鐵人檔案
全連接神經網路的層和層之間，神經元都是互相連接，而層內的神經元彼此沒有連接。我們會使用兩種 FCDAE 架構，其輸入資料是含有噪音的多訓練資料，將 11 個連續...
完成了第一階段的除噪模型之後，接下來要進入辨識階段，利用乾淨狀態資料和降噪後的含有噪音的訓練資料來訓練兩個語音辨識模型，分別是傳統的HMM-GMM 模型以及CT...
model.py 會透過 DBiRNN class 來建構 CTC 模型，前一天中提到過我們是使用 LSTM 架構，也可以根據參數選擇使用基本的 RNN 架構...
在今天的文章中我們會使用詞正確率來評估模型的效能，詞正確率是由詞錯誤率(Word Error Rate, WER)轉換後得到。為 了計算詞錯誤率，我們將預測出的...
前面提到過使用不同架構(FCDAE(3h),FCDAE(5h))的全連接神經網路除噪模型對兩個語音特徵做除噪，效果如表 1、表 2。 語音特徵 | 辨識模型 |...
Kaldi 是由語音辨識領域中的神級人物 - Dan Povey 所開發出來一套以 C++ 撰寫的開源工具，使用上則是會以 shell script 為主，主要...
首先介紹的是發音詞典處理，我們必須先準備一份發音詞典(lexicon)，格式會長得像以下的樣子。左邊就是詞，右邊則是這個詞對應的拼音，不同的拼音系統會產生出不同...
今天我們進入kaldi訓練神經網路模型的部分，程式的部分是在 local/chain/tuning/run_tdnn.sh 中。程式主要分為以下幾個部分:...
語言除了能夠傳達字面上的訊息之外，也蘊含了說話者所要表達的情緒，情緒的展現能夠讓對方更清楚的了解訊息所代表的涵義。情緒的描述方式主要可分為**類別取向(cate...
我們所使用的資料集包含5類情緒: 憤怒(Angry)、強調(Emphatic)、中性(Neutral)、正面(Positive)及其餘(Rest)(剩下情緒類別...
