kaldi

0熱

1答えて

決定木の各 pdf-idsの事後確率をカルディで抽出することは可能ですか？私は現在、GMMの結果を再現できるCNNモデルを訓練しています。私のCNNは現在、は、私は現在、このような ali-to-pdf final.mdl ark:ali.1 ark:- | ali-to-post ark:- ark,t:- として事後確率を抽出しています。..複数のPDF-IDがデコード電話のために使用さ

1熱

1答えて

Kaldi librispeechデータ準備エラー

私はASRシステムをやろうとしています。私はカルディマニュアルとlibrispeechコーパスを使用しています。データ準備工程で私は utils/data/get_utt2dur.sh: segments file does not exist so getting durations from wave files utils/data/get_utt2dur.sh: could not

1熱

1答えて

クラスラベルを波形プロットのデータポイントに合わせる

現在、抽出されたターゲット値を波形プロットに揃えようとしています。抽出された目標値は、発声されている単語が（はい、いいえ、無音）かどうかを判断する音素クラスである。私は目標値を波形と適切に揃えようとしていましたが、目標クラスと波形のどこに配置されているのかが何らかの原因で終わってしまいました。例：プロットは、文「いいえいいえいいえはいいいえはいいいえ」発声のための波形を示しています。 0 は

1熱

1答えて

ログなしでMFCC係数を抽出しますか？

私は現在、DCTを最後に実行せずにMFCC機能を使用してcnnをトレーニングする紙の作品を複製しようとしています。これは、基本的にフィルタバンクのエネルギーのログです。私は、kaldiがmake_mfcc.shスクリプトを使ってMFCC機能を計算できることを知っています。しかし、DCTを最後に実行しなくても、MFCCを計算するためにスクリプトを変更することはできますか？次のように別MFCCは、

0熱

1答えて

<a href="https://github.com/alumae/gst-kaldi-nnet2-online" rel="nofollow noreferrer">Alumae</a>からのGStreamerプラグインを使用してのGStreamer

で使用カルディでアサートし、次のパイプライン： appsrc source='appsrc' ! wavparse ! audioconvert ! audioresample ! queue ! kaldinnet2onlinedecoder <parameters snipped> ! filesink location=/tmp/test 私はいつも、私はこれは何 KALDI_ASSERT(

4熱

1答えて

信頼できるツールはどれですか？私は私がテストしてきたツール</p> <p>...私は信頼できるツールを決定する問題に持っているように見える

はaudio fileの40のフィルタバンクエネルギーのプロットの可視化のためのデータセットを作成する際にLibrosaとカルディです。 kaldiでこれらの設定を使用して、フィルターバンクのエネルギーを抽出します。抽出 fbank.conf --htk-compat=false --window-type=hamming --sample-frequency=16000 --num-me

1熱

1答えて

デルタおよびデルタデルタパワースペクトル計算を抽出できません

現在、kaldiによって提供されている追加デルタバイナリファイルを使用してデルタ+デルタデルタを抽出しようとしています。しかし何らかの理由で私はそれを抽出することができません。私は通常、make_spectrum.shスクリプトを使用してパワースペクトルを抽出します。デルタを含むように少し修正しましたが、出力はデルタ部分なしで受け取られたものと全く異なるものではありません。私は間違っています

1熱

1答えて

Librosaを使用して生成されたスペクトログラムは、カルディと一致していませんか？

23ビン、20kHzサンプリングレート、25msウィンドウ、10msシフトを使用して、Kaldiの "egs/tidigits"コードを使用して "7"発声のスペクトログラムを生成しました。スペクトログラムは、MATLAB関数imagescを経て可視化され、以下のように表示されます：私はカルディの代替としてLibrosaを使って実験しています。上記のように同じ数のビン、サンプリングレート、ウィン

0熱

1答えて

言語にバインドせずにカルディを使用するディープニューラルネットワークによるコマンド検出

dnetを訓練して特定の言語にバインドせずに限られた数の音声コマンドを認識するための簡単なアプリケーションの設定方法はありますか？私はKaldi APIがかなり強力だと信じていますが、ドキュメントの欠如があります。