深度學(xué)習(xí)：語音識別技術(shù)實踐

目　錄



第1章　語音識別技術(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)建一個簡單的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OpenFst的改進(jìn) 38
1.10 語音識別語料庫 39
1.10.1 TIMIT語料庫 39
1.10.2 LibriSpeech語料庫 40
1.10.3 中文語料庫 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#開發(fā)語音識別 46
2.1 準(zhǔn)備開發(fā)環(huán)境 46
2.2 計算卷積 47
2.3 記錄語音 48
2.4 讀入語音信號 52
2.5 離散傅里葉變換 53
2.6 移除靜音 54
第3章　Perl開發(fā)語音識別 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開發(fā)語音識別 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 90
4.18 日志記錄 90
4.19 異常處理 92
4.20 測試 92
4.21 語音活動檢測 93
4.22 使用numpy 93
第5章　Java開發(fā)語音識別 94
5.1 實現(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　語音信號處理 109
6.1 使用FFmpeg 109
6.2 標(biāo)注語音 110
6.3 時間序列 112
6.4　端點檢測 113
6.5 動態(tài)時間規(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 說話者識別 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 實現(xiàn)多層感知器 135
7.1.2 計算過程 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 擴張卷積 213
7.3.10 TensorFlow實現(xiàn)簡單的語音識別 214
7.4 nnet3實現(xiàn)代碼 216
7.4.1 數(shù)據(jù)類型 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解決過度擬合問題 232
7.8 矩陣運算 235
第8章　語言模型 238
8.1 概率語言模型 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 生成語言模型 264
8.1.9 評估語言模型 265
8.1.10 平滑算法 266
8.2 KenLM語言模型工具包 271
8.3 ARPA文件格式 275
8.4 依存語言模型 278