Nchịkọta
Kaldi bụ ngwa n'efu, mepere emepe nke ghọrọ usoro nyocha kachasị maka iwulite sistemụ njirimara okwu. Ọ dị mkpa n'ihi na ihe fọrọ nke nta ka ọ bụrụ afọ iri ọ bụ ntọala maka agụmakwụkwọ na ụlọ ọrụ ASR.
Ngwá ọrụ nnabata okwu Kaldi na-anọdụ n'usoro ọdịyo-AI nke na-agbanwe okwu, egwu, na ụda maka nzikọrịta ozi, nnweta na mmepụta mgbasa ozi.
Ime miri emi
Edere Kaldi, nke ewepụtara na 2011 ma Daniel Povey duziri, na C ++ nwere usoro nri jikọtara ọnụ site na bash na scripts Perl. O wuru n'elu pipeline ASR nke kpochapụwo: wepụta njirimara egwu (MFCCs ma ọ bụ filterbanks), ụda phoneme na ụdị Gaussian Mixture Models ma ọ bụ, emesịa, netwọk akwara miri emi, wee jikọta ụdị ụda olu, lexicon ịkpọ okwu, na ụdị asụsụ n'ime otu eserese a na-achọgharị. Nhọrọ teknuzu ya na-akọwapụta bụ iji ndị ntụgharị steeti dị oke arọ (WFSTs) sitere na ọbaakwụkwọ OpenFST iji kesaa isi mmalite ihe ọmụma n'otu eserese ngbanwe. Kaldi butere 'ntụziaka' maka ntọala data ọkọlọtọ dị ka Switchboard, Librispeech, na Wall Street Journal, na-ahapụ ndị nyocha ka ha mepụtaghachi nsonaazụ ọgbara ọhụrụ. Ọ ghọrọ mmejuputa nrụtụ aka nke edobere sistemu ọhụrụ.
Nghọta nka nka
Isi aghụghọ Kaldi na-edepụta WFST anọ n'ime otu eserese a na-akpọ HCLG: H maps neural-net ma ọ bụ GMM na-ekwu na ekwentị dabere na ọnọdụ, C na-ejikwa ọnọdụ ụda olu (triphones), L bụ okwu okwu lexicon na-ese ekwentị na okwu, na G bụ ụdị asụsụ. Ịba ụba transducers ndị a na ịkwalite nsonaazụ ya na-ewepụta otu eserese nke onye nrụpụta na-eji Viterbi algọridim beam-pruned, na-atụgharị fremu ọdịyo ka ọ bụrụ usoro okwu nwere ike ịrụ ọrụ nke ọma.
Ngwa ngwa nnabata okwu Kaldi
Kaldi bụ ngwa n'efu, mepere emepe nke ghọrọ usoro nyocha kachasị maka iwulite sistemụ njirimara okwu. Ọ dị mkpa n'ihi na ihe fọrọ nke nta ka ọ bụrụ afọ iri ọ bụ ntọala maka agụmakwụkwọ na ụlọ ọrụ ASR. Ngwá ọrụ nnabata okwu Kaldi na-anọdụ n'usoro ọdịyo-AI nke na-agbanwe okwu, egwu, na ụda maka nzikọrịta ozi, nnweta na mmepụta mgbasa ozi. Iji wulite nghọta miri emi, were Kaldi Speech Recognition Toolkit dị ka ihe nlere anya na-arụ ọrụ, ọ bụghị otu njirimara: kọwaa nsonaazụ achọrọ, dokwuo anya echiche, kewaa ihe sistemụ nwere ike ime nke ọma na ihe ka na-achọ mkpebi ndị ọkachamara.
Na omume, ndị otu siri ike na-eji ngwa Kaldi Speech Recognition Toolkit na-emeso ịdịmma, nkwụsịtụ, na nkwenye dị ka akụkụ dị mkpa nke atụmatụ mbugharị. Ha na-edepụta njirisi ịga nke ọma nke ọma, nwalee megide data ziri ezi yana usoro ọrụ, yana na-atụgharị dabere na usoro ọdịda ahụrụ karịa karịa mmeri otu oge. Nke a bụ ebe nghọta usoro ihe atụ na-atụgharị ghọọ ike na-adịgide adịgide n'ofe ngwaahịa, amụma na arụmọrụ.
Ọ na-eme ka nnweta ya dịkwuo mma site na ndegharị, ịkọ akụkọ, na ntụgharị olu. N'otu oge ahụ, iji olu eme ihe n'ụzọ na-ezighị ezi na ihe egwu mpụta ga-abawanye mgbe nkwenye na-efu. Ụzọ kachasị na-agbanwe agbanwe bụ ijikọ ọsọ nnwale na ịdọ aka ná ntị ọchịchị: ndị na-anya ụgbọ elu, ijide ihe akaebe, bipụta ndekọ mkpebi, na na-aga n'ihu na-emelite nchekwa dị ka omume nlereanya, atụmanya ndị ọrụ, na ihe iwu chọrọ.
Mmetụta atụmatụ
Ọ na-eme ka nnweta ya dịkwuo mma site na ndegharị, ịkọ akụkọ, na ntụgharị olu.
Ọ na-eme ka nnweta ya dịkwuo mma site na ndegharị, ịkọ akụkọ, na ntụgharị olu. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Ndị otu mgbasa ozi nwere ike ibubata ọdịyo a na-egbu maramara ngwa ngwa site na iji obere mmefu ego.
Ndị otu mgbasa ozi nwere ike ibubata ọdịyo a na-egbu maramara ngwa ngwa site na iji obere mmefu ego. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Sistemụ na-eche ihu ndị ahịa nwere ike hazie mkparịta ụka n'ọtụtụ buru ibu.
Sistemụ na-eche ihu ndị ahịa nwere ike hazie mkparịta ụka n'ọtụtụ buru ibu. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Mmejuputa n'ezie n'ụwa
Ụlọ nyocha ụlọ akwụkwọ na-emepụtagharị Librispeech na Switchboard benchmarks iji kwado nyocha ihe ngosi nka ọhụrụ.
Iwulite sistemu iwu olu omenala maka asụsụ ndị dị ala ma ọ bụ obere asụsụ site na iji usoro nri Kaldi
Nhazi nke ọdịyo manyere na ndegharị maka asụsụ, imepụta dataset, na oge ndepụta okwu.
Ịkwado nchọ olu n'oge na nkwuwa okwu na-azụ azụ n'ụlọ ọrụ tupu ụdị ngwụcha ruo ọgwụgwụ etozuo
Usoro mmejuputa
Ngwá ọrụ nnabata okwu Kaldi na omume
Ụlọ nyocha agụmakwụkwọ na-emepụtagharị akara ngosi Librispeech na Switchboard iji kwado nyocha ihe nlegharị anya ọhụrụ.
Ụlọ nyocha ụlọ akwụkwọ na-emepụtagharị Librispeech na Switchboard benchmarks iji kwadoo nyocha nyocha ihe ngosi nka ọhụrụ Otu dị iche iche na-enwetakarị nsonaazụ ka mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, na-eme ka ụzọ mmadụ si abawanye maka ọnụ okwu, ma soro ma uru mmepụta yana ụgwọ njehie na oge.
Ngwá ọrụ nnabata okwu Kaldi na omume
Iwulite sistemu iwu olu omenala maka asụsụ ndị dị ala ma ọ bụ obere asụsụ site na iji usoro nri Kaldi.
Iwulite usoro iwu olu omenala maka asụsụ ndị dị ala ma ọ bụ ndị pere mpe site na iji usoro nri Kaldi Otu dị iche iche na-enweta nsonaazụ kacha mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, na-echekwa ụzọ nkwalite mmadụ maka ikpe ọnụ, ma soro ma uru nrụpụta yana ụgwọ njehie ka oge na-aga.
Ngwá ọrụ nnabata okwu Kaldi na omume
Ndokwa nke ọdịyo n'amanye na ndegharị maka asụsụ, imepụta dataset, na oge ndepụta okwu.
Ndozi mmanye nke ọdịyo gaa na transcripts maka asụsụ, imepụta dataset, na oge ndepụta okwu otu na-enwetakarị nsonaazụ kacha mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, na-edobe ụzọ ịrị elu mmadụ maka ikpe ikpe, ma soro ma uru nrụpụta yana ụgwọ njehie n'ime oge.
Ngwá ọrụ nnabata okwu Kaldi na omume
Ịkwado nchọ olu n'oge na nkwuwa okwu na-azụ azụ n'ụlọ ọrụ tupu ụdị ngwụcha ruo ọgwụgwụ etozuo.
Ịkwado nchọ olu n'oge na nkwupụta okwu azụ azụ na ụlọ ọrụ tupu ụdị njedebe na njedebe tozuru oke Otu egwuregwu na-enwetakarị nsonaazụ ka mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, na-edobe ụzọ mmụba mmadụ maka ikpe ọnụ, ma soro ma uru nrụpụta yana ụgwọ njehie n'ime oge.
Ihe ize ndụ & okporo ụzọ nche
Iji olu eme ihe na ihe egwu mpụta ga-abawanye mgbe nkwenye na-efu.
Izi ezi nwere ike ịdaba n'ofe ụda olu, olumba ma ọ bụ gburugburu mkpọtụ.
Enwere ike imehie ọdịyo sịntetik dị ka ezigbo okwu na-enweghị akara doro anya.
Map mmejuputa
Nweta nkwenye doro anya maka ijide olu, imechi, na ijigharị.
Nweta nkwenye doro anya maka ijide olu, imechi, na ijigharị. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Nwale ogo n'ofe ndị na-ekwu okwu dị iche iche yana ọnọdụ ndabere.
Nwale ogo n'ofe ndị na-ekwu okwu dị iche iche yana ọnọdụ ndabere. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Kọwaa mgbe mmadụ ga-enyocha ma ọ bụ kwado nsonye.
Kọwaa mgbe mmadụ ga-enyocha ma ọ bụ kwado nsonye. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Deba aha ọdịyo sịntetik ma debe ndekọ ihe ndekọ maka ịza ajụjụ.
Deba aha ọdịyo sịntetik ma debe ndekọ ihe ndekọ maka ịza ajụjụ. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.