speech-recognition - 如何准备语音识别数据集

Question

我需要训练一个双向 LSTM 模型来识别离散语音(从 0 到 9 的单个数字)我已经记录了 100 个说话者的语音。我接下来该怎么做？ (假设我将它们拆分为单个 .wav 文件，每个文件包含一个数字)我将使用 mfcc 作为网络功能。

此外，如果我要使用支持 CTC(连接主义时间分类)的库，我想知道数据集的差异

Answer 1

您可以使用提供的答案/指导 here

根据您用于创建 LSTM(pybrain、theano、keras)的库，您可以查看他们的文档。

我建议使用 Theano(Binary LSTM link) 或 Keras(Tutorial)，因为它们相当容易理解并且有据可查。

希望这可以帮助。