如何训练用于语音识别的 lstm
How to train an lstm for speech recognition
我正在尝试训练用于语音识别的 lstm 模型,但不知道要使用哪些训练数据和目标数据。我正在使用 LibriSpeech dataset,它包含音频文件及其转录本。此时,我知道目标数据将是矢量化的转录文本。至于训练数据,我正在考虑使用每个音频文件(或 MFCC 特征)的频率和时间。如果这是解决问题的正确方法,训练 data/audio 将是多个数组,我如何将这些数组输入到我的 lstm 模型中?我必须对它们进行矢量化吗?
谢谢!
要准备输入 LSTM 模型的语音数据集,您可以看到这个 post - and also the segment Data Preparation。
作为一个很好的例子,你可以看到这个 post - http://danielhnyk.cz/predicting-sequences-vectors-keras-using-rnn-lstm/。 post 讨论 如何使用 RNN - LSTM.
在 Keras 中预测向量序列
我相信你会发现这个 post (https://stats.stackexchange.com/questions/192014/how-to-implement-a-lstm-based-classifier-to-classify-speech-files-using-keras) 也很有帮助。
我正在尝试训练用于语音识别的 lstm 模型,但不知道要使用哪些训练数据和目标数据。我正在使用 LibriSpeech dataset,它包含音频文件及其转录本。此时,我知道目标数据将是矢量化的转录文本。至于训练数据,我正在考虑使用每个音频文件(或 MFCC 特征)的频率和时间。如果这是解决问题的正确方法,训练 data/audio 将是多个数组,我如何将这些数组输入到我的 lstm 模型中?我必须对它们进行矢量化吗?
谢谢!
要准备输入 LSTM 模型的语音数据集,您可以看到这个 post -
作为一个很好的例子,你可以看到这个 post - http://danielhnyk.cz/predicting-sequences-vectors-keras-using-rnn-lstm/。 post 讨论 如何使用 RNN - LSTM.
在 Keras 中预测向量序列我相信你会发现这个 post (https://stats.stackexchange.com/questions/192014/how-to-implement-a-lstm-based-classifier-to-classify-speech-files-using-keras) 也很有帮助。