python 语音识别

这篇具有很好参考价值的文章主要介绍了python 语音识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

在python中训练一个语音识别系统主要需要以下几个步骤:

  • - 语料库准备
  • - 数据预处理
  • - 特征提取
  • - 训练模型

第一部分:语料库的准备

什么是语料库?语料库长什么样?

        语料库由两部分组成,第一部分是语音,第二部分是玉莹的标注,通常为字符形式。本次项目中,我们选用的语料库是THCHS-30,这个语料库是在安静的办公室环境下,由录音人员用普通话朗读新闻的语音作为数据,总时长超过30个小时。我们利用语料库,构造转换字典,将中文转换为数字进行模型训练,同时将模型的识别结果转换为中文。

语料库部分数据:

python 语音识别,神经网络,语音识别,人工智能

 第一部分,采用了wav格式的语音,

第二部分,标注第一行是语音的中文,

第二行是拼音,第三行是音节。

有了语料库即可进行接下来的步骤。

第二部分:数据预处理。

预处理部分分为五部分:j降噪,去静默,分帧,傅里叶,特征对齐。

        在语料库的数据中,存在着背景噪声,所以我们对背景噪声进行了抑制,以获得相对干净的语音,同时,我们去除了语音的沉默部分,避免在训练过程中造成干扰。使用神经网络训练模型时,我们对数据进行了归一化处理,加快模型的收敛,减少资源的消耗。同时,为了固定神经网络的输入层,我们以最长音频的特征帧数为模板,帧数不足则以无信息的0填充进行特征对齐。

第三部分:特征提取。

        首先是预加重。预加重会在一定的程度上增加语音的高频分辨率,突出高频的共振峰。在后期的模型训练中,会加速模型对数据特征值的识别。其次是分帧,模型的训练过程中,需要一个固定的输入层进行训练。所以我们需要将连续语音分为不同的帧作为特征值输入。但是,划分语音后会导致频域能量泄露,为了减少分帧所带来的影响,我们在第三部分使用了窗口函数对划分后的帧进行平滑处理,保证后期的傅里叶变换顺利进行。傅里叶变换可以将能量由时域转换至频域上,从而解决一些难以在时域上解决的问题。最后我们根据人耳听觉范围对傅里叶变换后的频谱图进行Mel滤波,再通过离散余弦变换去除滤波器组系数间的高度相关性,以获得Mel频率倒谱系数MFCC。

第四部分:训练模型。

        在循环神经网络RNN中,我们采用了更加轻便的GRU网络作为模型训练。较于LSTM而言,GRU仅采用了合并门和更新门,参数较少更容易收敛,更加节约资源。我们使用前向GRU模型获取上文信息,同时使用后向GRU模型获取下文信息,将语音的上下文信息拼接,得到语句的完整信息,得到的结果会较为准确。在损失函数上我们选择了CTC 连接时序分类,CTC可以省略标签和特征对齐的步骤,大大减少人工工作量。

以上就是语音识别的大致步骤。文章来源地址https://www.toymoban.com/news/detail-521983.html

到了这里,关于python 语音识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 毕业设计选题-基于深度学习的车道线检测算法识别系统 人工智能 机器学习 卷积神经网络

    目录 前言 课题背景和意义 实现技术思路 一、车道线检测方法 1.1 卷积神经网络 1.2 注意力机制 二、 数据集 三、实验及结果分析 3.1 实验环境搭建 3.2 模型训练 实现效果图样例 最后     📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学

    2024年02月22日
    浏览(79)
  • 【人工智能】使用Python构建神经网络模型预测房价

    目录 一 、实验目的 二 、实验内容 三 、实验原理 四 、实验过程 数据处理 1.1数据读入 1.2缺失值处理 1.3数据归一化 1.4数据集乱序 1.6数据集分批次 模型设计与配置 2.1 构建前向网络结构,定义假设空间 2.2初始化参数w和b,使用标准正态分布随机生成 训练网络 3.1外层循环

    2024年02月03日
    浏览(47)
  • 90 | Python人工智能篇 —— 深度学习算法 Keras基于卷积神经网络的情感分类

    情感分类是自然语言处理(NLP)领域的一个重要任务,它旨在将文本划分为积极、消极或中性等不同情感类别。深度学习技术,尤其是卷积神经网络(CNN),在情感分类任务中取得了显著的成果。Keras作为一个高级的深度学习框架,提供了便捷易用的工具来构建和训练情感分

    2024年02月13日
    浏览(54)
  • 【毕业设计选题】基于深度学习的学生课堂行为检测算法系统 YOLO python 卷积神经网络 人工智能

    目录 前言 设计思路 一、课题背景与意义 二、算法理论原理 2.1 深度卷积神经网络 2.2 YOLOv5算法 三、检测的实现 3.1 数据集 3.2 实验环境搭建 3.3 实验及结果分析 实现效果图样例 最后        📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学

    2024年02月19日
    浏览(112)
  • 【毕业设计选题】基于深度学习的柑橘果实目标检测系统 YOLO python 卷积神经网络 人工智能

      目录  前言 设计思路 一、课题背景与意义 二、算法理论原理 2.1 优化边框损失函数 2.2 目标检测 三、检测的实现 3.1 数据集 3.2 实验环境搭建 3.3 实验及结果分析 实现效果图样例 最后        📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业

    2024年01月23日
    浏览(127)
  • 毕业设计-基于深度学习的水面漂浮物目标检测算法系统 YOLO python 卷积神经网络 人工智能

    目录 前言 设计思路 一、课题背景与意义 二、算法理论原理 2.1 Faster RCNN 2.2 YOLOv5算法 三、检测的实现 3.1 数据集 3.2 实验环境搭建 3.3 实验及结果分析 实现效果图样例 最后        📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备

    2024年02月19日
    浏览(57)
  • 毕业设计-基于深度学习的锂电池极片缺陷检测算法 YOLO python 卷积神经网络 人工智能

    目录 前言 设计思路 一、课题背景与意义 二、算法理论原理 2.1 YOLOv5算法 2.2 改进后的YOLOv5算法 三、锂电池缺陷检测的实现 3.1 数据集 3.2 网络训练 3.3 网络性能分析 实现效果图样例 最后        📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业

    2024年02月03日
    浏览(55)
  • 毕业设计-基于深度学习的交通路面障碍物目标检测系统 YOLO python 卷积神经网络 人工智能

    目录  前言 设计思路 一、课题背景与意义 二、算法理论原理 三、检测的实现 3.1 数据集 3.2 实验及结果分析 实现效果图样例 最后        📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各

    2024年02月03日
    浏览(66)
  • 人工智能-神经网络

    目录 1 神经元 2 MP模型 3 激活函数       3.1 激活函数       3.2 激活函数作用       3.3 激活函数有多种 4、神经网络模型 5、神经网络应用 6、存在的问题及解决方案 6.1 存在问题 6.2 解决方案-反向传播        神经元是主要由 树突、轴突、突出 组成, 树突 是从上面接收很

    2024年02月16日
    浏览(61)
  • 人工智能 -- 神经网络

    什么是人工智能?通俗来讲,就是让机器能像人一样思考。这个无需解释太多,因为通过各种科幻电影我们已经对人工智能很熟悉了。大家现在感兴趣的应该是——如何实现人工智能? 从1956年夏季首次提出“人工智能”这一术语开始,科学家们尝试了各种方法来实现它。这

    2024年02月05日
    浏览(58)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包