Kaldi 語音識別實戰(zhàn)

　　剛剛過去的十年是語音技術(shù)發(fā)展的黃金十年。2010 年前后，從谷歌公司發(fā)布第一個語音搜索應用、蘋果公司發(fā)布第一個語音助手 Siri 開始，語音技術(shù)的發(fā)展轉(zhuǎn)瞬進入了快車道。 語音技術(shù)的基礎(chǔ)算法不斷推陳出新，語音任務 Benchmark 持續(xù)被刷新；語音產(chǎn)品的應用也從一開始很小眾的語音輸入，逐漸滲透到人們生活的方方面面。 語音產(chǎn)業(yè)飛速發(fā)展，傳統(tǒng)的語音技術(shù)教材已經(jīng)滿足不了該領(lǐng)域從業(yè)者的迫切需求。本書以目前流行的開源語音識別工具 Kaldi 為切入點，深入淺出地講解了語音識別前沿的技術(shù)及它們的實踐應用。本書的作者們擁有深厚的學術(shù)積累及豐富的工業(yè)界實戰(zhàn)經(jīng)驗。 本書適合語音技術(shù)相關(guān)研究人員及互聯(lián)網(wǎng)從業(yè)人員學習參考。

　　陳果果 清華大學本科學位，約翰霍普金斯大學博士學位，主要研究方向是語音識別及關(guān)鍵詞檢索，師從語音識別開源工具Kaldi主要開發(fā)者Daniel Povey，以及約翰霍普金斯大學語言語音處理中心教授Sanjeev Khudanpur。博士期間為Google開發(fā)了Google的喚醒詞Okay Google的原型，現(xiàn)在已經(jīng)用到數(shù)以億計的安卓設備及Google智能語音交互設備上。博士期間同時參與開發(fā)語音識別開源工具Kaldi，以及神經(jīng)網(wǎng)絡開源工具CNTK。博士畢業(yè)以后聯(lián)合創(chuàng)辦KITT.AI，專注于語音識別及自然語言處理，公司于2017年被百度收購，目前擔任百度智能生活事業(yè)群組（SLG）主任架構(gòu)師。 都家宇 本科畢業(yè)于大連理工大學，后于澳大利亞新南威爾士大學電子信息工程學院學習，取得信號處理專業(yè)碩士學位。研究生期間在導師 Julien Epps 指導下開始進行語音處理、情緒識別方向的研究。畢業(yè)后先后任職于清華大學語音技術(shù)實驗室、百度語音技術(shù)部，以及阿里巴巴iDST、達摩院語音組，從事聲學模型、解碼器、語音喚醒等方面的研發(fā)工作。參與過與 Kaldi 相關(guān)的工作有：Kaldi nnet1神經(jīng)網(wǎng)絡框架中 lstm 作者；發(fā)起并推動全球大規(guī)模的中文開源數(shù)據(jù)集語音項目AISHELL-1、AISHELL-2，已服務于清華大學、北京大學、南洋理工大學、哥倫比亞大學等近200所國內(nèi)外高校的科研項目。 那興宇 本科和博士均畢業(yè)于北京理工大學，主要研究方向是語音識別和語音合成。先后任職于中國科學院聲學研究所和阿里巴巴機器人，從事語音識別模型訓練系統(tǒng)和語音交互系統(tǒng)的開發(fā)。目前就職于微軟，擔任資深應用科學家，從事語音識別算法和技術(shù)架構(gòu)的開發(fā)及業(yè)務支持工作。2015年開始在Kaldi開源項目中貢獻代碼，參與了nnet3和chain模型的開發(fā)工作，并維護其中若干示例及OpenSLR的中文語音識別模型。 張俊博 博士畢業(yè)于中國科學院聲學研究所，師從顏永紅研究員。在小米公司從零起主導構(gòu)建了整套語音算法研究框架，包括語音識別、智能設備語音喚醒、聲紋識別、語音增強、用于語音應用的神經(jīng)網(wǎng)絡部署，均達到了當時的先進水平，并發(fā)表頂會論文若干篇，為后續(xù)的語音研發(fā)工作建立了基礎(chǔ)。近期上線了用于外語學習的發(fā)音質(zhì)量評測引擎，并給Kaldi貢獻了發(fā)音良好度評分的代碼。