豆瓣高分 类型
9.1 豆瓣评分
可以朗读 语音朗读
186千字 字数
2020-04-01 发行日期
展开全部

主编推荐语

Kaldi：流行语音识别开源工具包，降低门槛，快速搭建系统。

内容简介

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。

目录

  • 封面
  • 书名页
  • 内容简介
  • 版权页
  • 序1
  • 序2
  • 好评来袭
  • 作者简介
  • 前言
  • 目录
  • 1　语音识别技术基础
  • 1.1　语音识别极简史
  • 1.1.1　语音识别早期探索
  • 1.1.2　概率模型一统江湖
  • 1.1.3　神经网络异军突起
  • 1.1.4　商业应用推波助澜
  • 1.2　语音识别系统架构
  • 1.2.1　经典方法的直观理解
  • 1.2.2　概率模型
  • 1.2.3　端到端语音识别
  • 1.3　一些其他细节
  • 1.3.1　语音信号处理
  • 1.3.2　发音和语言学
  • 1.3.3　语音识别系统的评价
  • 2　Kaldi概要介绍
  • 2.1　发展历史
  • 2.1.1　名字的由来
  • 2.1.2　约翰霍普金斯大学夏季研讨会
  • 2.1.3　Kaldi发展简史
  • 2.2　设计思想
  • 2.2.1　初衷
  • 2.2.2　开源
  • 2.2.3　训练脚本
  • 2.3　安装
  • 2.3.1　下载Kaldi代码
  • 2.3.2　安装CUDA
  • 2.3.3　安装编译依赖库
  • 2.3.4　安装第三方工具
  • 2.3.5　选择其他的矩阵库
  • 2.3.6　编译Kaldi代码
  • 2.3.7　配置并行环境
  • 2.4　一个简单的示例
  • 2.4.1　运行run.sh
  • 2.4.2　脚本解析
  • 2.5　示例介绍
  • 2.5.1　数据示例
  • 2.5.2　竞赛示例
  • 2.5.3　其他示例
  • 2.5.4　示例结构
  • 3　数据整理
  • 3.1　数据分集
  • 3.1.1　Librispeech示例的数据处理过程
  • 3.1.2　数据下载和解压
  • 3.2　数据预处理
  • 3.2.1　环境检查
  • 3.2.2　生成表单文件
  • 3.2.3　数据检查
  • 3.3　输入和输出机制
  • 3.3.1　列表表单
  • 3.3.2　存档表单
  • 3.3.3　读写声明符
  • 3.3.4　表单属性
  • 3.4　常用数据表单与处理脚本
  • 3.4.1　列表类数据表单
  • 3.4.2　存档类数据表单
  • 3.4.3　数据文件夹处理脚本
  • 3.4.4　表单索引的一致性
  • 3.5　语言模型相关文件
  • 3.5.1　发音词典与音素集
  • 3.5.2　语言文件夹
  • 3.5.3　生成与使用语言文件夹
  • 4　经典声学建模技术
  • 4.1　特征提取
  • 4.1.1　用 Kaldi 提取声学特征
  • 4.1.2　特征在 Kaldi 中的存储
  • 4.1.3　特征的使用
  • 4.1.4　常用特征类型
  • 4.2　单音子模型的训练
  • 4.2.1　声学模型的基本概念
  • 4.2.2　将声学模型用于语音识别
  • 4.2.3　模型初始化
  • 4.2.4　对齐
  • 4.2.5　Transition 模型
  • 4.2.6　GMM 模型的迭代
  • 4.3　三音子模型训练
  • 4.3.1　单音子模型假设的问题
  • 4.3.2　上下文相关的声学模型
  • 4.3.3　三音子的聚类裁剪
  • 4.3.4　Kaldi中的三音子模型训练流程
  • 4.4　特征变换技术
  • 4.4.1　无监督特征变换
  • 4.4.2　有监督特征变换
  • 4.5　区分性训练
  • 4.5.1　声学模型训练流程的变迁
  • 4.5.2　区分性目标函数
  • 4.5.3　分子、分母
  • 4.5.4　区分性训练在实践中的应用
  • 5　构图和解码
  • 5.1　N元文法语言模型
  • 5.2　加权有限状态转录机
  • 5.2.1　概述
  • 5.2.2　OpenFst
  • 5.3　用WFST表示语言模型
  • 5.4　状态图的构建
  • 5.4.1　用 WFST 表示发音词典
  • 5.4.2　WFST 的复合运算
  • 5.4.3　词图的按发音展开
  • 5.4.4　LG 图对上下文展开
  • 5.4.5　用 WFST 表示 HMM 拓扑结构
  • 5.5　图的结构优化
  • 5.5.1　确定化
  • 5.5.2　最小化
  • 5.5.3　图的stochastic性质
  • 5.6　最终状态图的生成
  • 5.7　基于令牌传递的维特比搜索
  • 5.8　SimpleDecoder源码分析
  • 5.9　Kaldi 解码器家族
  • 5.10　带词网格生成的解码
  • 5.11　用语言模型重打分提升识别率
  • 6　深度学习声学建模技术
  • 6.1　基于神经网络的声学模型
  • 6.1.1　神经网络基础
  • 6.1.2　激活函数
  • 6.1.3　参数更新
  • 6.2　神经网络在Kaldi中的实现
  • 6.2.1　nnet1（nnet）
  • 6.2.2　nnet2
  • 6.2.3　nnet3
  • 6.3　神经网络模型训练
  • 6.3.1　输入特征的处理
  • 6.3.2　神经网络的初始化
  • 6.3.3　训练样本的分批与随机化
  • 6.3.4　学习率的调整
  • 6.3.5　并行训练
  • 6.3.6　数据扩充
  • 6.4　神经网络的区分性训练
  • 6.4.1　区分性训练的基本思想
  • 6.4.2　区分性训练的目标函数
  • 6.4.3　区分性训练的实用技巧
  • 6.4.4　Kaldi神经网络区分性训练示例
  • 6.4.5　chain模型
  • 6.5　与其他深度学习框架的结合
  • 6.5.1　声学模型
  • 6.5.2　语言模型
  • 6.5.3　端到端语音识别
  • 7　关键词搜索与语音唤醒
  • 7.1　关键词搜索技术介绍
  • 7.1.1　关键词搜索技术的主流方法
  • 7.1.2　关键词搜索技术的主流应用
  • 7.2　语音检索
  • 7.2.1　方法描述
  • 7.2.2　一个简单的语音检索系统
  • 7.2.3　集外词处理之词表扩展
  • 7.2.4　集外词处理之关键词扩展
  • 7.2.5　集外词处理之音素／音节系统
  • 7.2.6　一个实用的语音检索系统
  • 7.3　语音唤醒
  • 7.3.1　语音唤醒经典框架
  • 7.3.2　语音唤醒进阶优化
  • 7.3.3　语音唤醒的Kaldi实现思路
  • 8　说话人识别
  • 8.1　概述
  • 8.2　基于i-vector和PLDA的说话人识别技术
  • 8.2.1　整体流程
  • 8.2.2　i-vector 的提取
  • 8.2.3　基于余弦距离对 i-vector 分类
  • 8.2.4　基于 PLDA 对 i-vector 分类
  • 8.3　基于深度学习的说话人识别技术
  • 8.3.1　概述
  • 8.3.2　x-vector
  • 8.3.3　基于 x-vector 的说话人识别示例
  • 8.4　语种识别
  • 9　语音识别应用实践
  • 9.1　语音识别基本应用
  • 9.1.1　离线语音识别与实时在线语音识别
  • 9.1.2　语音识别应用模块
  • 9.1.3　小结
  • 9.2　话音检测模块
  • 9.2.1　VAD算法
  • 9.2.2　离线VAD
  • 9.2.3　流式在线VAD
  • 9.3　模型的适应
  • 9.3.1　声学模型的适应
  • 9.3.2　词表的扩展
  • 9.3.3　语言模型的适应
  • 9.3.4　小结
  • 9.4　解码器的选择及扩展
  • 9.4.1　Kaldi中的解码器
  • 9.4.2　实际应用中的常见问题及扩展
  • 9.4.3　小结
  • 附录A　术语列表
  • 附录B　常见问题解答
  • 参考文献
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。