掃一掃
關(guān)注中圖網(wǎng)
官方微博
深度學(xué)習(xí):語音識別技術(shù)實踐 版權(quán)信息
- ISBN：9787302516927
- 條形碼：9787302516927 ; 978-7-302-51692-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
深度學(xué)習(xí):語音識別技術(shù)實踐 本書特色
語音識別已經(jīng)逐漸進(jìn)入人們的日常生活。語音識別技術(shù)是涉及語言、計算機(jī)、數(shù)學(xué)等領(lǐng)域的交叉學(xué)科。《深度學(xué)習(xí)：語音識別技術(shù)實踐》介紹了包括C#、Perl、Python、Java在內(nèi)的多種編程語言實踐，開源語音識別工具包Kaldi的使用與代碼分析，深度學(xué)習(xí)的開發(fā)環(huán)境搭建，卷積神經(jīng)網(wǎng)絡(luò)，以及語音識別中常見的語言模型——N元模型和依存模型等，讓讀者快速了解語音識別基礎(chǔ)，掌握開發(fā)語音識別程序的算法。 《深度學(xué)習(xí)：語音識別技術(shù)實踐》從語音識別的基礎(chǔ)開始講起，并輔以翔實的案例，既適合需要具體實現(xiàn)語音識別的程序員使用，也適合有一定機(jī)器學(xué)習(xí)或語音識別基礎(chǔ)的學(xué)生、研究者或從業(yè)者閱讀。
深度學(xué)習(xí):語音識別技術(shù)實踐 內(nèi)容簡介
語音識別已經(jīng)逐漸進(jìn)入人們的日常生活。語音識別技術(shù)是涉及語言、計算機(jī)、數(shù)學(xué)等領(lǐng)域的交叉學(xué)科。《深度學(xué)習(xí)：語音識別技術(shù)實踐》介紹了包括C#、Perl、Python、Java在內(nèi)的多種編程語言實踐，開源語音識別工具包Kaldi的使用與代碼分析，深度學(xué)習(xí)的開發(fā)環(huán)境搭建，卷積神經(jīng)網(wǎng)絡(luò)，以及語音識別中常見的語言模型——N元模型和依存模型等，讓讀者快速了解語音識別基礎(chǔ)，掌握開發(fā)語音識別程序的算法。 《深度學(xué)習(xí)：語音識別技術(shù)實踐》從語音識別的基礎(chǔ)開始講起，并輔以翔實的案例，既適合需要具體實現(xiàn)語音識別的程序員使用，也適合有一定機(jī)器學(xué)習(xí)或語音識別基礎(chǔ)的學(xué)生、研究者或從業(yè)者閱讀。
深度學(xué)習(xí):語音識別技術(shù)實踐 目錄
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(diǎn)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(kuò)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(yùn)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
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(diǎn)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(kuò)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(yùn)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
展開全部
深度學(xué)習(xí):語音識別技術(shù)實踐 作者簡介
柳若邊
獵兔搜索團(tuán)隊核心成員，曾供職于中國萬網(wǎng)、三星等多家業(yè)內(nèi)知名公司，現(xiàn)任某教育培訓(xùn)機(jī)構(gòu)專業(yè)講師。獵兔搜索創(chuàng)立于2004年，專注于自然語言處理等人工智能領(lǐng)域的技術(shù)開發(fā)與實現(xiàn)。在北京和上海等地均有獵兔培訓(xùn)的學(xué)員，獵兔搜索出版的相關(guān)技術(shù)圖書讀者遍及全國各省(市、區(qū))及海外華人圈。
書友推薦
- >
莉莉和章魚
- >
羅曼·羅蘭讀書隨筆-精裝
- >
月亮與六便士
- >
回憶愛瑪儂
- >
隨園食單
- >
月亮虎
- >
名家?guī)阕x魯迅:朝花夕拾
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
