掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
語音識別服務實戰 版權信息
- ISBN：9787121425905
- 條形碼：9787121425905 ; 978-7-121-42590-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
語音識別服務實戰 本書特色
語音識別算法到工程全鏈路覆蓋，從零構建高性能、可商用的語音服務《語音識別服務實戰》系統介紹語音交互流程中的語音前端處理、語音識別和說話人日志等算法原理，重點介紹如何基于WebRTC，Kaldi和gRPC，從零構建產業界穩定、高性能、可商用的語音服務，具有很強的實踐性。 近年來，隨著聲傳感、聲信號處理、模式識別、機器學習、云計算理論與方法的快速發展，以及不同場景下大規模帶標注語音數據的出現，語音識別技術再次經歷了跨越式發展，也逐漸被大規模推廣應用。本領域中介紹*新技術和應用的著作不少，但大多數主要專注于某些專題的方法和算法。相比而言，本書涵蓋的內容比較廣泛，既包括前端語音信號處理的基礎方法，如端點檢測、降噪、回聲消除、麥克風陣列和聲源測向/定位等，也包括語音識別、模型訓練、聲紋識別等后端處理技術。書中還介紹了前端和后端處理常用的基礎工具，并提供了大量應用的實例。相信讀者，尤其是工作在該領域一線的系統、產品與應用研發人員，一定能獲益匪淺。 陳景東 西北工業大學教授、博導、智能聲學與臨境通信中心主任，國家特聘專家，IEEE Fellow，“杰出青年科學基金”獲得者一套完整的語音識別系統需要采集設備、前端處理、后端模型前后打通、整體優化，才能達到理想的識別效果。本書作者從事語音算法研究多年，具有豐富的工業應用經驗，把項目實戰過程和Kaldi開源代碼完整詳細地總結到書中，技術人員可從中受益，搭建工業級的語音識別系統。 洪青陽 廈門大學副教授、天聰智能創始人 《語音識別服務實戰》是一本面向語音識別從業人員的參考書，既包括語音信號的基礎知識，也包括構造實用識別系統的全棧過程，內容完整豐富。特別是，該書以開源數據和開源代碼為基礎進行技術描述，具有很強的實操性，有利于打破知識壁壘，幫助更多青年、學生和非語音方向的工程師快速進入該領域，對行業的發展產生積極的促進作用。 王東清華大學 在過去的十多年中，語音識別技術的發展速度超出了很多人的想象。隨著神經網絡等技術帶來識別效果的突破，語音識別也從十多年前的一個小眾研究領域，發展到已經滲透在人們生活的方方面面，在交互、出行、通行等領域都扮演著不可或缺的角色。隨之而來的問題是語音識別領域相關資料的陳舊和匱乏，其中的經典圖書已經不能滿足大部分從業者、科研工作者和工業應用的需求。《Kaldi語音識別實戰》一書圍繞語音識別領域知名的開源工具包Kaldi，講述語音識別技術的*新進展，從某種程度上彌補了資料的不足。而《語音識別服務實戰》一書則跟進一步，從語音識別落地應用的視角切入，詳細闡述了如何用語音識別技術搭建相關的應用服務。 本書作者都具有豐富的語音識別技術落地應用經驗，深入淺出地講解了語音識別技術從原理到應用落地的全過程。本書是一本很好的語音識別技術落地的參考用書。 陳果果 《Kaldi語音識別實戰》作者云從科技在打造人機協同平臺的過程中，也基于Kaldi構建了眾多語音交互基礎算法，在很多項目中取得了非常好的效果，并落地在不同的實際應用場景。 本書作者長期工作在語音算法一線，具備豐富的實戰經驗。書中描述的絕大多數算法在商業語音服務平臺都有具體的應用。很高興看到作者能夠通過本書把他們在實踐中積累的寶貴經驗分享給廣大讀者，也希望本書能夠對推動語音技術的發展與落地起到顯著的作用。 劉瓊 云從集團首席科學家 人工智能的快速發展使得機器開始逐漸理解人類的語言。機器具備了接近人類的認知能力，這也讓我們人類在宇宙中增加了一個新的“伙伴”，從此人類不再孤獨。自然語言理解，尤其是語音識別，也在經歷著技術上的范式改變，從原來基于統計和規則，逐步轉變為依賴深度神經網絡技術。數據不僅被用來計算概率模型，而且更多地被用來訓練深度學習模型，尤其是近些年興起的基于自注意力結構的Transformer模型。在大數據、重計算和深模型的共同推動下，才有了語音識別技術質的飛躍，也支撐了智能客服、語音助理、智能家居等產業的繁榮發展。 《語音識別服務實戰》一書是新時代的產物，從實踐的角度，很好地闡述了語音識別領域正在發生的變化。 張家興 IDEA研究院講席科學家，認知計算與自然語言研究中心負責人
語音識別服務實戰 內容簡介
隨著語音算法技術的不斷發展與完善，如何進行工程落地成為語音商業應用中普遍面臨的問題。工程落地不僅要考慮模型效果，還要考慮資源占用、模塊聯調且整個架構要具有可靠性、可擴展性和可維護性。本書圍繞如何從零構建一個完整的語音識別系統，深入淺出地介紹了語音識別前端算法、語音識別算法及說話人日志算法原理；基于Kaldi的模型訓練；語音識別工程落地和服務搭建。本書適合作為語音技術研究人員及對語音技術感興趣的開發人員的參考用書。
語音識別服務實戰 目錄
目 錄
第1章 語音識別概述 1
1.1 語音識別發展歷程 2
1.2 語音識別產業與應用 6
1.2.1 消費級市場 7
1.2.2 企業級市場 8
1.3 常用語音處理工具 10
1.3.1 WebRTC 10
1.3.2 Kaldi 12
1.3.3 端到端語音識別工具包 14
第2章 語音信號基礎 16
2.1 語音信號的聲學基礎 17
2.1.1 語音產生機理 17
2.1.2 語音信號的產生模型 19
2.1.3 語音信號的感知 20
2.2 語音信號的數字化和時頻變換 22
2.2.1 語音信號的采樣、量化和編碼 22
2.2.2 語音信號的時頻變換 25
2.3 本章小結 31
第3章 語音前端算法 32
3.1 語音前端算法概述 33
3.2 VAD 35
3.2.1 基于門限判決的VAD 36
3.2.2 基于高斯混合模型的VAD 38
3.2.3 基于神經網絡的VAD 40
3.3 單通道降噪 43
3.3.1 譜減法 44
3.3.2 維納濾波法 46
3.3.3 音樂噪聲和參數譜減法 48
3.3.4 貝葉斯準則下的MMSE 51
3.3.5 噪聲估計 56
3.3.6 基于神經網絡的單通道降噪 61
3.4 回聲消除 65
3.4.1 回聲消除概述 66
3.4.2 線性自適應濾波 69
3.4.3 分塊頻域自適應濾波器 70
3.4.4 雙講檢測 72
3.4.5 延遲估計 75
3.4.6 殘留回聲消除 76
3.4.7 基于神經網絡的回聲消除 78
3.5 麥克風陣列與波束形成 79
3.5.1 麥克風陣列概述 80
3.5.2 延遲求和波束形成 86
3.5.3 *小方差無失真響應波束形成 89
3.5.4 廣義旁瓣對消波束形成 92
3.5.5 后置濾波 98
3.5.6 基于神經網絡的波束形成 101
3.6 聲源定位 103
3.6.1 GCC-PHAT 104
3.6.2 基于自適應濾波的聲源定位 105
3.6.3 SRP-PHAT 108
3.6.4 子空間聲源定位算法 108
3.6.5 基于神經網絡的聲源定位 111
3.7 其他未盡話題 111
3.8 本章小結 113
第4章 語音識別原理 114
4.1 特征提取 116
4.1.1 特征預處理 116
4.1.2 常見的語音特征 119
4.2 傳統聲學模型 124
4.2.1 聲學建模單元 124
4.2.2 GMM-HMM 126
4.2.3 強制對齊 131
4.3 DNN-HMM 131
4.3.1 語音識別中的神經網絡基礎 132
4.3.2 常見的神經網絡結構 137
4.4 語言模型 145
4.4.1 n-gram語言模型 145
4.4.2 語言模型的評價指標 148
4.4.3 神經語言模型 148
4.5 WFST解碼器 151
4.5.1 WFST原理 151
4.5.2 常見的WFST運算 152
4.5.3 語音識別中的WFST解碼器 155
4.5.4 令牌傳遞算法 157
4.5.5 Beam Search 159
4.6 序列區分性訓練 160
4.6.1 MMI和bMMI 161
4.6.2 MPE和sMBR 161
4.6.3 詞圖 161
4.6.4 LF-MMI 162
4.7 端到端語音識別 163
4.7.1 CTC 163
4.7.2 Seq2Seq 166
4.8 語音識別模型評估 169
4.9 本章小結 171
第5章 中文普通話模型訓練——以multi_cn為例 172
5.1 Kaldi安裝與環境配置 173
5.2 Kaldi中的數據格式與數據準備 174
5.3 語言模型訓練 178
5.4 發音詞典準備 180
5.5 特征提取 184
5.6 Kaldi中的Transition模型 186
5.7 預對齊模型訓練 187
5.7.1 單音素模型訓練 187
5.7.2 delta特征模型訓練 190
5.7.3 lda_mllt特征變換模型訓練 191
5.7.4 說話人自適應訓練 192
5.8 數據增強 193
5.8.1 數據清洗及重分割 194
5.8.2 速度增強和音量增強 194
5.8.3 SpecAugment 196
5.9 I-Vector訓練 197
5.9.1 對角UBM 197
5.9.2 I-Vector提取器 198
5.9.3 提取訓練數據的I-Vector 199
5.10 神經網絡訓練 199
5.10.1 Chain模型 200
5.10.2 Chain模型數據準備 202
5.10.3 神經網絡配置與訓練 203
5.11 解碼圖生成 209
5.12 本章小結 210
5.13 附錄 211
5.13.1 xconfig中的描述符及網絡配置表 211
5.13.2 Chain模型中的egs 215
5.13.3 Kaldi nnet3中迭代次數和學習率調整 217
第6章 基于Kaldi的說話人日志 219
6.1 說話人日志概述 220
6.1.1 什么是說話人日志 220
6.1.2 說話人日志技術 220
6.1.3 說話人日志評價指標 227
6.2 聲紋模型訓練——以CNCeleb為例 229
6.2.1 聲紋數據準備 230
6.2.2 I-Vector訓練 240
6.2.3 X-Vector訓練 243
6.2.4 LDA/PLDA后端模型訓練 248
6.2.5 說話人日志后端模型訓練 250
6.3 本章小結 253
第7章 基于Kaldi的語音SDK實現 254
7.1 語音特征提取 258
7.1.1 音頻讀取 258
7.1.2 音頻特征提取 261
7.2 基于WebRTC的語音活動檢測 268
7.3 說話人日志模塊 273
7.3.1 I-Vector提取 275
7.3.2 X-Vector提取 287
7.3.3 說話人日志算法實現 299
7.4 語音識別解碼 313
7.5 本章小結 324
第8章 基于gRPC的語音識別服務 325
8.1 gRPC語音服務 326
8.2 ProtoBuf協議定義 327
8.3 基于gRPC的語音服務實現 329
8.3.1 gRPC Server實現 330
8.3.2 gRPC Client實現 337
8.3.3 gRPC語音服務的編譯與測試 343
8.4 本章小結 346
參考文獻 347
展開全部
語音識別服務實戰 作者簡介
楊學銳 大疆創新語音交互算法負責人，復旦大學及Turku大學碩士，長期從事語音算法、深度學習、人工智能等領域的研究與商業落地，在相關領域發表多篇論文及專利。 晏超 北京郵電大學碩士，曾任職于HP Labs, Cisco, Technicolor等公司。現為云從科技語音算法負責人，從事語音識別、聲紋識別、說話人日志、語音合成等方向的算法研發工作，構建了云從科技整套語音算法引擎與應用服務平臺。 劉雪松 OPPO音頻算法專家，復旦大學碩士，曾任職于美國國家儀器、聲網、云從科技等公司。在信號處理、音頻算法和語音算法等領域有豐富的實戰經驗，在相關領域發表多篇論文及專利。
書友推薦
- >
中國歷史的瞬間
- >
伯納黛特,你要去哪(2021新版)
- >
推拿
- >
上帝之肋:男人的真實旅程
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
唐代進士錄
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
隨園食單
本類暢銷
