深度學(xué)習(xí)：語(yǔ)音識(shí)別技術(shù)實(shí)踐

目　錄



第1章　語(yǔ)音識(shí)別技術(shù) 1
1.1 總體結(jié)構(gòu) 1
1.2 Linux基礎(chǔ) 2
1.3　安裝Micro編輯器 4
1.4 安裝Kaldi 5
1.5 yesno例子 6
1.5.1 數(shù)據(jù)準(zhǔn)備 7
1.5.2 詞典準(zhǔn)備 8
1.6 構(gòu)建一個(gè)簡(jiǎn)單的ASR 12
1.7 Voxforge例子 21
1.8 數(shù)據(jù)準(zhǔn)備 23
1.9 加權(quán)有限狀態(tài)轉(zhuǎn)換 34
1.9.1 FSA 35
1.9.2 FST 35
1.9.3 WFST 37
1.9.4 Kaldi對(duì)OpenFst的改進(jìn) 38
1.10 語(yǔ)音識(shí)別語(yǔ)料庫(kù) 39
1.10.1 TIMIT語(yǔ)料庫(kù) 39
1.10.2 LibriSpeech語(yǔ)料庫(kù) 40
1.10.3 中文語(yǔ)料庫(kù) 40
1.11 Linux shell腳本基礎(chǔ) 40
1.11.1 Bash 41
1.11.2 AWK 44
第2章　C#開(kāi)發(fā)語(yǔ)音識(shí)別 46
2.1 準(zhǔn)備開(kāi)發(fā)環(huán)境 46
2.2 計(jì)算卷積 47
2.3 記錄語(yǔ)音 48
2.4 讀入語(yǔ)音信號(hào) 52
2.5 離散傅里葉變換 53
2.6 移除靜音 54
第3章　Perl開(kāi)發(fā)語(yǔ)音識(shí)別 58
3.1 變量 58
3.1.1 數(shù)字 58
3.1.2 字符串 59
3.1.3 數(shù)組 60
3.1.4 散列表 60
3.2 多維數(shù)組 62
3.3 常量 62
3.4 操作符 63
3.5 控制流 66
3.6 文件與目錄 67
3.7 例程 68
3.8 執(zhí)行命令 69
3.9 正則表達(dá)式 69
3.9.1 基本類(lèi)型 69
3.9.2 正則表達(dá)式模式 70
3.10 命令行參數(shù) 72

第4章　Python開(kāi)發(fā)語(yǔ)音識(shí)別 73
4.1 Windows操作系統(tǒng)下安裝Python 73
4.2 Linux操作系統(tǒng)下安裝Python 75
4.3 選擇版本 76
4.4 開(kāi)發(fā)環(huán)境 76
4.5 注釋 77
4.6 變量 77
4.6.1 數(shù)值 77
4.6.2 字符串 79
4.7 數(shù)組 80
4.8 列表 80
4.9 元組 80
4.10 字典 81
4.11 控制流 81
4.11.1 條件判斷 81
4.11.2 循環(huán) 82
4.12 模塊 83
4.13 函數(shù) 84
4.14 讀寫(xiě)文件 86
4.15 面向?qū)ο缶幊? 87
4.16 命令行參數(shù) 88
4.17 數(shù)據(jù)庫(kù) 90
4.18 日志記錄 90
4.19 異常處理 92
4.20 測(cè)試 92
4.21 語(yǔ)音活動(dòng)檢測(cè) 93
4.22 使用numpy 93
第5章　Java開(kāi)發(fā)語(yǔ)音識(shí)別 94
5.1 實(shí)現(xiàn)卷積 95
5.2 KaldiJava 96
5.2.1 使用Ant 97
5.2.2 使用Maven 99
5.2.3 使用Gradle 100
5.2.4 概率分布函數(shù) 102
5.3 TensorFlow的Java接口 104
5.3.1 在Windows操作系統(tǒng)下使用TensorFlow 104
5.3.2 在Linux操作系統(tǒng)下使用TensorFlow 106
第6章　語(yǔ)音信號(hào)處理 109
6.1 使用FFmpeg 109
6.2 標(biāo)注語(yǔ)音 110
6.3 時(shí)間序列 112
6.4　端點(diǎn)檢測(cè) 113
6.5 動(dòng)態(tài)時(shí)間規(guī)整 114
6.6 傅里葉變換 117
6.6.1 離散傅里葉變換 117
6.6.2 快速傅里葉變換 120
6.7 MFCC特征 124
6.8 說(shuō)話(huà)者識(shí)別 125
6.9 解碼 125
第7章　深度學(xué)習(xí) 132
7.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 132
7.1.1 實(shí)現(xiàn)多層感知器 135
7.1.2 計(jì)算過(guò)程 143
7.2 卷積神經(jīng)網(wǎng)絡(luò) 150
7.3 搭建深度學(xué)習(xí)開(kāi)發(fā)環(huán)境 156
7.3.1 使用Cygwin模擬環(huán)境 156
7.3.2 使用CMake 157
7.3.3 使用Keras 158
7.3.4 安裝TensorFlow 161
7.3.5 安裝TensorFlow的Docker容器 162
7.3.6 使用TensorFlow 164
7.3.7 一維卷積 208
7.3.8 二維卷積 210
7.3.9 擴(kuò)張卷積 213
7.3.10 TensorFlow實(shí)現(xiàn)簡(jiǎn)單的語(yǔ)音識(shí)別 214
7.4 nnet3實(shí)現(xiàn)代碼 216
7.4.1 數(shù)據(jù)類(lèi)型 217
7.4.2 基本數(shù)據(jù)結(jié)構(gòu) 219
7.5 編譯Kaldi 230
7.6 端到端深度學(xué)習(xí) 232
7.7 Dropout解決過(guò)度擬合問(wèn)題 232
7.8 矩陣運(yùn)算 235
第8章　語(yǔ)言模型 238
8.1 概率語(yǔ)言模型 238
8.1.1 一元模型 240
8.1.2 數(shù)據(jù)基礎(chǔ) 240
8.1.3 改進(jìn)一元模型 249
8.1.4 二元詞典 251
8.1.5 完全二叉樹(shù)數(shù)組 257
8.1.6 三元詞典 261
8.1.7 N元模型 262
8.1.8 生成語(yǔ)言模型 264
8.1.9 評(píng)估語(yǔ)言模型 265
8.1.10 平滑算法 266
8.2 KenLM語(yǔ)言模型工具包 271
8.3 ARPA文件格式 275
8.4 依存語(yǔ)言模型 278