Android平台使用PocketSphinx做离线语音识别，小范围语音99%识别率.zip
2022-07-04 09:10:52
651KB
基于python的中文语音识别系统.
包含声学模型和语言模型两个部分组成，两个模型都是基于神经网络。
声学模型 - acoustic_model文件夹下
该项目实现了GRU-CTC中文语音识别声音模型，所有代码都在gru_ctc_am.py中，包括：
增加了基于科大讯飞DFCNN的CNN-CTC结构的中文语音识别模型cnn_ctc_am.py，与GRU相比，对网络结构进行了稍加改造。
完全使用DFCNN框架搭建声学模型，稍加改动，将部分卷积层改为inception，使用时频图作为输入，cnn_with_fbank.py。
新增使用pluse版数据集的模型，cnn_with_full.py，建议直接训练这个模型。
语言模型 - language_model文件夹下
新增基于CBHG结构的语言模型language_model\CBHG_lm.py，该模型之前用于谷歌声音合成，移植到该项目中作为基于神经网络的语言模型。
数据集
增加stc、primewords、Aishell、thchs30四个数据集，整理为相同格式，放于acoustic_model\data中,调用四个数据集的脚本
2022-07-03 21:08:28
34.52MB
用于 open_stt 数据集的 PyTorch E2E ASR
用于训练语音识别任务的语言和声学模型的最少脚本集。 训练管道包括以下阶段：
基于字符的RNN语言模型
具有 CTC 损失的 CNN-RNN 声学模型
基于字符的 RNN 语言模型和具有 RNN-T 损失的 CNN-RNN 声学模型
使用强化学习和 RNN-T 损失进行微调
结果
下表显示了。
阶段
模型
失利
更新
核证减排量
世界范围内
1
LM
行政长官
2407000
2
是
反恐委员会
216850
19.9
57.0
3
LM+AM
循环神经网络
108425
21.7
45.6
4
LM+AM
强化学习
300
19.2
43.9
要求
PyTorch >= 1.3（带有错误修复 ）
预处理
基于 log mel 滤波器组的声学模型，带有 40 个大小为 25 毫秒的滤波器，
2022-07-03 11:20:59
16KB
1
国际电信联盟的无源音质客观评价标准P.563算法源代码，以及技术说明文档，代码直接能编译使用，测试确实对音质有比较明显的评分差异，直接输出MOS分
2022-07-02 17:33:27
1.02MB
1