Kaldi语音识别实战

封面

版权信息

内容简介

序1

序2

好评来袭

作者简介

前言

1 语音识别技术基础

1.1 语音识别极简史

1.2 语音识别系统架构

1.3 一些其他细节

2 Kaldi概要介绍

2.1 发展历史

2.2 设计思想

2.3 安装

2.4 一个简单的示例

2.5 示例介绍

3 数据整理

3.1 数据分集

3.2 数据预处理

3.3 输入和输出机制

3.4 常用数据表单与处理脚本

3.5 语言模型相关文件

4 经典声学建模技术

4.1 特征提取

4.2 单音子模型的训练

4.3 三音子模型训练

4.4 特征变换技术

4.5 区分性训练

5 构图和解码

5.1 N元文法语言模型

5.2 加权有限状态转录机

5.3 用WFST表示语言模型

5.4 状态图的构建

5.5 图的结构优化

5.6 最终状态图的生成

5.7 基于令牌传递的维特比搜索

5.8 SimpleDecoder源码分析

5.9 Kaldi解码器家族

5.10 带词网格生成的解码

5.11 用语言模型重打分提升识别率

6 深度学习声学建模技术

6.1 基于神经网络的声学模型

6.2 神经网络在Kaldi中的实现

6.3 神经网络模型训练

6.4 神经网络的区分性训练

6.5 与其他深度学习框架的结合

7 关键词搜索与语音唤醒

7.1 关键词搜索技术介绍

7.2 语音检索

7.3 语音唤醒

8 说话人识别

8.1 概述

8.2 基于i-vector和PLDA的说话人识别技术

8.3 基于深度学习的说话人识别技术

8.4 语种识别

9 语音识别应用实践

9.1 语音识别基本应用

9.2 话音检测模块

9.3 模型的适应

9.4 解码器的选择及扩展

附录A 术语列表

附录B 常见问题解答

参考文献