- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在处理语音识别任务。到目前为止,我一直在使用 Google Cloud Speech Recognition API(在 Python 中)并取得了不错的效果。 API 返回 confidence value以及转录文本的每一 block 。如文档中所述,置信度是一个介于 0 和 1 之间的数字,但我没有找到任何关于 Google 的 API 如何推导出这个数字的更深入的解释,所以我假设它以某种方式来自进行识别的神经网络。
下一步我想做的是制作我自己的(离线)自动语音识别程序,我发现 pyKaldi应该可以胜任这项任务。我还没有开始编程,但我想事先知道(出于研究目的)——Kaldi 能否像 Google Speech-to-Text API 一样返回一些类似的置信度值?这个“信心”到底是什么,它是如何计算出来的?
最佳答案
是的,pyKaldi 支持使用最小贝叶斯风险 (MBR) 计算的置信度值(单词置信度分数)。您将在文档中找到所有必要的信息。这是模块描述的链接:
https://pykaldi.github.io/api/kaldi.lat.html?highlight=mbr#module-kaldi.lat.sausages
顾名思义,它是一个置信度值,但它并没有表达从音频 block 序列派生(或在概率设置中给定)的单词的结果文本输出的“可能性”是正确的。在我看来,表现力或意义有点模糊,取决于模型的质量和训练数据(噪声、混响等)。它在比较备选方案时很有意义,告诉您具有更高值(value)的那个更有可能是正确的。这反过来又提出了一个问题,即哪个距离称为显着差异。单个置信度值不会告诉您任何信息,您也不能仅根据置信度值来比较两个不同的识别器模型。微软称其为“相反,置信度分数提供了一种机制,用于比较给定输入的多个识别备选方案的相对准确性。这有助于返回最准确的识别结果。”
关于python - Kaldi 是否返回任何识别置信度参数,类似于 Google Speech-To-Text API?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58397321/
用例: 我有一个小数据集,每个类大约有 3-10 个样本。我正在使用 sklearn SVC 对具有 rbf 内核的那些进行分类。我需要预测的置信度以及预测的类别。我使用了 SVC 的 predict
我有这个 future 10 年回归样本。 date<-as.Date(c("2015-12-31", "2014-12-31", "2013-12-31", "2012-12-31")) value
我正在使用 Python NLTK 库中的 MaxEnt 分类器。对于我的数据集,我有许多可能的标签,并且正如预期的那样,MaxEnt 仅返回一个标签。我已经训练了我的数据集并获得了大约 80% 的准
我们如何在 Windows 中使用 tesseract 3.05 获得图像 OCR 后的置信度?我正在使用子进程命令从 python 调用 tesseract: retcode = subproces
我正在使用 trainsimplicit来自 ALS在 Spark 。 从文档页面:http://spark.apache.org/docs/latest/api/python/pyspark.mll
正在为 GNU Radio OOT 开发基于 Python 的 BER 置信度计算器。根据引用文献 1,置信度由以下公式计算 但是,引用文献2使用以下公式计算置信度: 第一个问题是关于两个公式的。他们
我是一名优秀的程序员,十分优秀!