首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >语音识别-如何将句子拆分成单词?

问语音识别-如何将句子拆分成单词?
EN

Stack Overflow用户
提问于 2019-10-02 10:54:54
回答 1查看 694关注 0票数 0

我是语音识别的新手,我正在寻找一种方法,以音频/wav文件的形式将一个句子(或多个句子)拆分为单个单词?这听起来像是一个标准问题,所以我想知道业内人士是如何处理它的。

ps:是的,这个问题是三年前提出的,但我正在寻找一个使用更新的库(即pytorch和tensorflow 2.0)的最新答案。谢谢!

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-10-02 16:10:23

这并不是那么微不足道。

您想要的就是所谓的对齐。即,其中每个音频帧与单词(或子词、字符或更好的单个音素)对齐。

最合理的方法将需要一个标准的传统语音识别系统。最简单的方法是使用隐马尔可夫模型( HMM )系统,由老式的HMM或神经网络(称为混合HMM-NN模型)支持。这也需要一个词典(音素到单词的映射)。通常你会使用所有这些的现有实现,例如Kaldi或RASR,因为这并不容易实现。我还没有看到这方面的纯TF实现。然后,该软件通过HMM计算最佳可能的对齐路径(即,根据训练的模型,具有最高的概率)。如果你知道地面真实词,这就是维特比算法,来计算这条最佳路径。否则,您将进行一些解码(使用波束搜索)。

你还可以做什么,但这将是更老套的,并且不太好(对于这个获得对齐的任务):使用一些端到端模型,例如带注意力的编码器-解码器,或CTC。对于有注意力的编码器-解码器,你可以使用注意力权重来很好地猜测单词的位置(然后你也许可以猜测边界在哪里)。CTC也是如此。但这将是不准确的。但这是您可以在纯TF中轻松实现的东西。

在任何情况下,实现本身并不是困难的部分(尽管仍然不简单)。你首先需要理解它背后的所有理论。也许StackOverflow不是问这个问题的合适地方。可以通读Kaldi或RASR文档,或者观看一些关于语音识别的讲座,或者阅读一本关于该主题的书。

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/58194657

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档