音频知识入门了解

简要给大家介绍一下语音怎么变文字的吧。希望这个介绍能让所有同学看懂。 首先，我们知道声音实际上是一种波。常见的mp3、wmv等格式都是压缩格式，必须转成非压缩的纯波形文件来处理，比如Windows PCM文件，也就是俗称的wav文件。wav文件里存储的除了一个文件头以外，就是声…

wav2letter 是由 Facebook AI 研究团队开源的一款简单而高效的端到端自动语音识别系统，它实现了在 WavLetter：an End-to-End ConvNet-based Speed Recognition System 和 Letter-Based Sp…

这篇文章主要讲了语音识别领域里面的两种经典模型 GMM-HMM 和 CD-DNN-HMM，还介绍了一些相关的内容，比如自适应技术、序列鉴别性训练、表征学习。

隐马尔科夫模型（Hidden Markov Model, HMM)是非常经典的机器学习模型，在语音识别，自然语言处理，模式识别等领域中有着非常广泛的应用。故而理解和数量掌握HMM是机器学习领域中一项重要的技能。 1. 什么是隐马尔科夫模型 隐马尔科夫模型是统计模型，用来描述一个…

隐马尔可夫模型差不多是学习中遇到的最难的模型了，本节通过对《统计学习方法》进行学习并结合网上笔记，用Python代码实现了隐马模型观测序列的生成、前向后向算法、Baum-Welch无监督训练、维特比算法。比较清晰的了解了隐马尔可夫模型，其实在实际运用中我们只需要调用库就一行代码解

AI 前线导读：近期，滴滴的一篇论文被低调提交到了预印版论文平台 arXiv。在这篇名为《A comparable study of modeling units for end-to-end Mandarin speech recognition》的论文中，滴滴公布了其在基于…

目前主流的语音识别都大致分为特征提取，声学模型，语音模型几个部分。目前结合神经网络的端到端的声学模型训练方法主要CTC和基于Attention两种。 本文主要介绍CTC算法的基本概念，可能应用的领域，以及在结合神经网络进行CTC算法的计算细节。 CTC算法全称叫：Connect…

介绍自动语音识别（Automatic Speech Recognition，ASR）的原理，并用WaveNet实现。