内容简介
刚刚过去的十年是语音技术发展的黄金十年。
2010 年前后,从谷歌公司发布第一个语音搜索应用、苹果公司发布第一个语音助手 Siri 开始,语音技术的发展转瞬进入了快车道。
语音技术的基础算法不断推陈出新,语音任务 Benchmark 持续被刷新;语音产品的应用也从一开始很小众的语音输入,逐渐渗透到人们生活的方方面面。
语音产业飞速发展,传统的语音技术教材已经满足不了该领域从业者的迫切需求。
本书以目前流行的开源语音识别工具 Kaldi 为切入点,深入浅出地讲解了语音识别前沿的技术及它们的实践应用。
本书的作者们拥有深厚的学术积累及丰富的工业界实战经验。
本书适合语音技术相关研究人员及互联网从业人员学习参考。
目录
1 语音识别技术基础 1
1.1 语音识别极简史 1
1.2 语音识别系统架构 6
1.3 一些其他细节 11
2 Kaldi概要介绍 15
2.1 发展历史 15
2.2 设计思想 18
2.3 安装 20
2.4 一个简单的示例 26
2.5 示例介绍 34
3 数据整理 44
3.1 数据分集 44
3.2 数据预处理 49
3.3 输入和输出机制 56
3.4 常用数据表单与处理脚本 69
3.5 语言模型相关文件 79
4 经典声学建模技术 94
4.1 特征提取 95
4.2 单音子模型的训练 107
4.3 三音子模型训练 128
4.4 特征变换技术 139
4.5 区分性训练 143
5 构图和解码 147
5.1 N元文法语言模型 148
5.2 加权有限状态转录机 151
5.3 用WFST表示语言模型 156
5.4 状态图的构建 158
5.5 图的结构优化 170
5.6 最终状态图的生成 174
5.7 基于令牌传递的维特比搜索 176
5.8 SimpleDecoder源码分析 178
5.9 Kaldi 解码器家族 187
5.10 带词网格生成的解码 189
5.11 用语言模型重打分提升识别率 192
6 深度学习声学建模技术 195
6.1 基于神经网络的声学模型 195
6.2 神经网络在Kaldi中的实现 200
6.3 神经网络模型训练 214
6.4 神经网络的区分性训练 228
6.5 与其他深度学习框架的结合 242
7 关键词搜索与语音唤醒 245
7.1 关键词搜索技术介绍 245
7.2 语音检索 247
7.3 语音唤醒 263
……
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
