Kaldi语音识别实战【正版】 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

Kaldi是目前语音识别领域，广受欢迎并流行的开源工具包。Kaldi设计之初对通用性，可拓展性等一系列源代码层次的考量，大大降低了Kaldi作为语音识别工具包的门槛，?同时拥有非常完整的语音识别系统训练脚本。本书通过对Kaldi已有训练脚本的梳理和引导，帮助读者快速搭建可用的语音识别系统。

1?语音识别技术基础1?

1.1?语音识别极简史1?

1.1.1?语音识别早期探索2?

1.1.2?概率模型一统江湖2?

1.1.3?神经网络异军突起3?

1.1.4?商业应用推波助澜4?

1.2?语音识别系统架构6?

1.2.1?经典方法的直观理解6?

1.2.2?概率模型7?

1.2.3?端到端语音识别10?

1.3?一些其他细节11?

1.3.1?语音信号处理11?

1.3.2?发音和语言学12?

1.3.3?语音识别系统的评价13?

2?Kaldi概要介绍15?

2.1?发展历史15?

2.1.1?名字的由来15?

2.1.2?约翰霍普金斯大学夏季研讨会16?

2.1.3?Kaldi发展简史17?

2.2?设计思想18?

2.2.1?初衷18?

2.2.2?开源19?

2.2.3?训练脚本19?

2.3?安装20?

2.3.1?下载Kaldi代码20?

2.3.2?安装CUDA20?

2.3.3?安装编译依赖库21?

2.3.4?安装第三方工具21?

2.3.5?选择其他的矩阵库23?

2.3.6?编译Kaldi代码23?

2.3.7?配置并行环境25?

2.4?一个简单的示例26?

2.4.1?运行run.sh26?

2.4.2?脚本解析28?

2.5?示例介绍34?

2.5.1?数据示例34?

2.5.2?竞赛示例38?

2.5.3?其他示例40?

2.5.4?示例结构41?

3?数据整理44?

3.1?数据分集44?

3.1.1?Librispeech示例的数据处理过程45?

3.1.2?数据下载和解压46?

3.2?数据预处理49?

3.2.1?环境检查51?

3.2.2?生成表单文件52?

3.2.3?数据检查55?

3.3?输入和输出机制56?

3.3.1?列表表单57?

3.3.2?存档表单60?

3.3.3?读写声明符60?

3.3.4?表单属性64?

3.4?常用数据表单与处理脚本69?

3.4.1?列表类数据表单70?

3.4.2?存档类数据表单72?

3.4.3?数据文件夹处理脚本77?

3.4.4?表单索引的一致性78?

3.5?语言模型相关文件79?

3.5.1?发音词典与音素集80?

3.5.2?语言文件夹85?

3.5.3?生成与使用语言文件夹92?

4?经典声学建模技术94?

4.1?特征提取95?

4.1.1?用?Kaldi?提取声学特征95?

4.1.2?特征在?Kaldi?中的存储99?

4.1.3?特征的使用104?

4.1.4?常用特征类型106?

4.2?单音子模型的训练107?

4.2.1?声学模型的基本概念108?

4.2.2?将声学模型用于语音识别112?

4.2.3?模型初始化113?

4.2.4?对齐115?

4.2.5?Transition?模型118?

4.2.6?GMM?模型的迭代124?

4.3?三音子模型训练128?

4.3.1?单音子模型假设的问题128?

4.3.2?上下文相关的声学模型129?

4.3.3?三音子的聚类裁剪130?

4.3.4?Kaldi中的三音子模型训练流程130?

4.4?特征变换技术139?

4.4.1?无监督特征变换139?

4.4.2?有监督特征变换141?

4.5?区分性训练143?

4.5.1?声学模型训练流程的变迁143?

4.5.2?区分性目标函数144?

4.5.3?分子、分母145?

4.5.4?区分性训练在实践中的应用146?

5?构图和解码147?

5.1?N元文法语言模型148?

5.2?加权有限状态转录机151?

5.2.1?概述151?

5.2.2?OpenFst153?

5.3?用WFST表示语言模型156?

5.4?状态图的构建158?

5.4.1?用?WFST?表示发音词典158?

5.4.2?WFST?的复合运算163?

5.4.3?词图的按发音展开165?

5.4.4?LG?图对上下文展开166?

5.4.5?用?WFST?表示?HMM?拓扑结构169?

5.5?图的结构优化170?

5.5.1?确定化170?

5.5.2?最小化173?

5.5.3?图的stochastic性质174?

5.6?最终状态图的生成174?

5.7?基于令牌传递的维特比搜索176?

5.8?SimpleDecoder源码分析178?

5.9?Kaldi?解码器家族187?

5.10?带词网格生成的解码189?

5.11?用语言模型重打分提升识别率192?

6?深度学习声学建模技术195?

6.1?基于神经网络的声学模型195?

6.1.1?神经网络基础196?

6.1.2?激活函数198?

6.1.3?参数更新199?

6.2?神经网络在Kaldi中的实现200?

6.2.1?nnet1（nnet）200?

6.2.2?nnet2203?

6.2.3?nnet3208?

6.3?神经网络模型训练214?

6.3.1?输入特征的处理214?

6.3.2?神经网络的初始化215?

6.3.3?训练样本的分批与随机化217?

6.3.4?学习率的调整222?

6.3.5?并行训练224?

6.3.6?数据扩充227?

6.4?神经网络的区分性训练228?

6.4.1?区分性训练的基本思想228?

6.4.2?区分性训练的目标函数229?

6.4.3?区分性训练的实用技巧231?

6.4.4?Kaldi神经网络区分性训练示例232?

6.4.5?chain模型234?

6.5?与其他深度学习框架的结合242?

6.5.1?声学模型242?

6.5.2?语言模型243?

6.5.3?端到端语音识别243?

7?关键词搜索与语音唤醒245?

7.1?关键词搜索技术介绍245?

7.1.1?关键词搜索技术的主流方法245?

7.1.2?关键词搜索技术的主流应用247?

7.2?语音检索247?

7.2.1?方法描述248?

7.2.2?一个简单的语音检索系统248?

7.2.3?集外词处理之词表扩展254?

7.2.4?集外词处理之关键词扩展255?

7.2.5?集外词处理之音素／音节系统256?

7.2.6?一个实用的语音检索系统258?

7.3?语音唤醒263?

7.3.1?语音唤醒经典框架264?

7.3.2?语音唤醒进阶优化266?

7.3.3?语音唤醒的Kaldi实现思路267?

8?说话人识别269?

8.1?概述269?

8.2?基于i-vector和PLDA的说话人识别技术271?

8.2.1?整体流程271?

8.2.2?i-vector?的提取272?

8.2.3?基于余弦距离对?i-vector?分类274?

8.2.4?基于?PLDA?对?i-vector?分类276?

8.3?基于深度学习的说话人识别技术280?

8.3.1?概述280?

8.3.2?x-vector280?

8.3.3?基于?x-vector?的说话人识别示例283?

8.4?语种识别288?

9?语音识别应用实践292?

9.1?语音识别基本应用292?

9.1.1?离线语音识别与实时在线语音识别292?

9.1.2?语音识别应用模块293?

9.1.3?小结296?

9.2?话音检测模块296?

9.2.1?VAD算法296?

9.2.2?离线VAD297?

9.2.3?流式在线VAD298?

9.3?模型的适应299?

9.3.1?声学模型的适应299?

9.3.2?词表的扩展300?

9.3.3?语言模型的适应301?

9.3.4?小结301?

9.4?解码器的选择及扩展302?

9.4.1?Kaldi中的解码器302?

9.4.2?实际应用中的常见问题及扩展303?

9.4.3?小结305?

附录A?术语列表306?

附录B?常见问题解答308?

参考文献313

陈果果清华大学本科学位，约翰霍普金斯大学博士学位，主要研究方向是语音识别及关键词检索，师从语音识别开源工具Kaldi主要开发者Daniel?Povey，以及约翰霍普金斯大学语言语音处理中心教授Sanjeev?Khudanpur。博士期间为Google开发了Google的唤醒词Okay?Google的原型，现在已经用到数以亿计的安卓设备及Google智能语音交互设备上。博士期间同时参与开发语音识别开源工具Kaldi，以及神经网络开源工具CNTK。博士毕业以后联合创办KITT.AI，专注于语音识别及自然语言处理，公司于2017年被百度收购，目前担任百度智能生活事业群组（SLG）主任架构师。都家宇本科毕业于大连理工大学，后于澳大利亚新南威尔士大学电子信息工程学院学习，取得信号处理专业硕士学位。研究生期间在导师?Julien?Epps?指导下开始进行语音处理、情绪识别方向的研究。毕业后先后任职于清华大学语音技术实验室、百度语音技术部，以及iDST、达摩院语音组，从事声学模型、解码器、语音唤醒等方面的研发工作。参与过与?Kaldi?相关的工作有：Kaldi?nnet1神经网络框架中?lstm?作者；发起并推动全球规模的中文开源数据集语音项目AISHELL-1、AISHELL-2，已服务于清华大学、北京大学、南洋理工大学、哥伦比亚大学等近200所国内外高校的科研项目。那兴宇本科和博士均毕业于北京理工大学，主要研究方向是语音识别和语音合成。先后任职于中国科学院声学研究所和机器人，从事语音识别模型训练系统和语音交互系统的开发。目前就职于微软，担任资深应用科学家，从事语音识别算法和技术架构的开发及业务支持工作。2015年开始在Kaldi开源项目中贡献代码，参与了nnet3和chain模型的开发工作，并维护其中若干示例及OpenSLR的中文语音识别模型。张俊博博士毕业于中国科学院声学研究所，师从颜永红研究员。在小米公司从零起主导构建了整套语音算法研究框架，包括语音识别、智能设备语音唤醒、声纹识别、语音增强、用于语音应用的神经网络部署，均达到了当时的先进水平，并发表顶会论文若干篇，为后续的语音研发工作建立了基础。近期上线了用于外语学习的发音质量评测引擎，并给Kaldi贡献了发音良好度评分的代码。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Kaldi语音识别实战【正版】在线阅读

在线听书地址：Kaldi语音识别实战【正版】在线收听

在线购买地址：Kaldi语音识别实战【正版】在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

刚刚过去的十年是语音技术发展的黄金十年。2010 年前后，从谷歌公司发布第一个语音搜索应用、苹果公司发布第一个语音助手 Siri 开始，语音技术的发展转瞬进入了快车道。

语音技术的基础算法不断推陈出新，语音任务 Benchmark 持续被刷新；语音产品的应用也从一开始很小众的语音输入，逐渐渗透到人们生活的方方面面。

语音产业飞速发展，传统的语音技术教材已经满足不了该领域从业者的迫切需求。本书以目前流行的开源语音识别工具 Kaldi 为切入点，深入浅出地讲解了语音识别前沿的技术及它们的实践应用。本书的作者们拥有深厚的学术积累及丰富的工业界实战经验。

本书适合语音技术相关研究人员及互联网从业人员学习参考。