- 还是不会VAD？三分钟看懂语音激活检测方法
- AI柠檬语音识别学习路径和入门资料推荐
- 统计N元语言模型生成算法：简单中文词频统计
- 统计语言模型：从中文拼音到文本
- 语音声学特征提取：用于ASRT的语谱图特征的算法原理与实现
- 语音声学特征提取：MFCC和LogFBank算法的原理
- ASRT：一个中文语音识别系统
- 专门面向中文用户的机器学习相关的学习资料大集合
- 语音识别客户端应用Python SDK: https://github.com/nl8590687/ASRT_SDK_Python3
- ASRT代码：https://github.com/nl8590687/ASRT_SpeechRecognition
- ASRT网站：https://asrt.ailemon.net/
- ASRT发行版（如果只是使用，不训练，应该下载这个）：https://github.com/nl8590687/ASRT_SpeechRecognition/releases
- 元语音研究网：https://www.meta-speech.net/
ASRT训练环境配置备忘：
- pip install -r requirements.txt 有报错似乎也没有关系
- 数据库国内网址无法访问，需访问国外网址。
- 下载后需配置asrt_config.json，把没有下载的训练数据库去掉
- 不够内存的话运行python3 train_speech_model.py会崩溃
- 设置pip国内源
$ py -m pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
Writing to C:\Users\dell\AppData\Roaming\pip\pip.ini
- 在未配置GPU的情况下，训练THCHS30数据集大概需要用2小时40分（要做50个epoch）。CPU主频3GHz，8核，CPU占用近100%，内存占用峰值近10G。机器其它程序可以正常使用（没有感觉CPU100%）
- 下载安装CUDA：https://developer.nvidia.com/cuda-downloads ，安装包有２.５G，安装失败，报错An unknown error has occured. 把版本降到11.5后可以安装：https://developer.nvidia.com/cuda-11-5-2-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_network
- 每训练（train_speech_model.py）完一个epoch似乎是会保存的，可以修改代码，从某一个epoch开始。也可以指定初始的数据（似乎是可以继承其它数据集的训练结果）
- 做了6个epoch后测试（evaluate_speech_model.py），结果返回*[ASRT Test Result] Speech Recognition dev set word error ratio: 100.0 %，对于输入的123.wav，一个字也识别不出来。用发行版v1.2的save_models取代自己训练的save_models，结果为*[ASRT Test Result] Speech Recognition dev set word error ratio: 17.09741550695825 %。
- 下一步，一边继续慢慢CPU训练数据。一边了解迭代epoch做的事，和model提取的特征是什么。
- 做了19个epoch后测试， error ratio: 99.99657229039556 %
- 做了50个epoch后测试，error ratio: 100.0 %。有问题，待调查。
添加新评论