Akopọ
Kaldi jẹ ọfẹ, ohun elo irinṣẹ orisun-ìmọ ti o di aaye iwadii ti o ga julọ fun kikọ awọn eto idanimọ ọrọ. O ṣe pataki nitori pe o fẹrẹ to ọdun mẹwa o jẹ go-si ipilẹ fun ẹkọ ati iṣẹ ASR ile-iṣẹ.
Ohun elo Idanimọ Ọrọ Ọrọ Kaldi joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ, orin, ati ohun pada fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
Kaldi, ti a tu silẹ ni ọdun 2011 ati oludari nipasẹ Daniel Povey, ti kọ sinu C ++ pẹlu awọn ilana ti a fi papọ nipasẹ awọn iwe afọwọkọ bash ati Perl. O ti kọ sori opo gigun ti epo ASR Ayebaye: jade awọn ẹya akositiki (MFCC tabi awọn banki filter), awọn ohun foonu awoṣe pẹlu Awọn awoṣe Adalu Gaussian tabi, nigbamii, awọn nẹtiwọọki ti o jinlẹ, ati ṣajọpọ awoṣe akositiki kan, iwe afọwọsi pronunciation, ati awoṣe ede sinu aworan ti o le wa ẹyọkan. Yiyan imọ-ẹrọ asọye rẹ ni lilo awọn olutumọ-ipinle-ipin iwuwo (WFSTs) lati ile-ikawe OpenFST lati ṣajọ gbogbo awọn orisun imọ sinu aworan iyipada kan. Kaldi gbe awọn 'awọn ilana' fun awọn ipilẹ data boṣewa bii Switchboard, Librispeech, ati Iwe akọọlẹ Wall Street, jẹ ki awọn oniwadi ṣe ẹda awọn abajade-ti-ti-aworan. O di imuse itọkasi lodi si eyiti awọn ọna ṣiṣe tuntun jẹ aami ala.
Imọ-imọ-ẹrọ
Ẹtan mojuto Kaldi ni kikọ awọn WFST mẹrin sinu aworan kan ti a pe ni HCLG: H maapu neural-net tabi awọn ipinlẹ GMM si awọn foonu ti o gbẹkẹle ọrọ-ọrọ, C n ṣe ipo ọrọ-ọrọ (awọn foonu mẹta), L jẹ awọn foonu maapu lexicon pronunciation si awọn ọrọ, ati G jẹ awoṣe ede. Pipọpọ awọn olutumọ wọnyi ati jijade abajade n ṣe agbejade aworan kan kan ti awọn wiwa decoder pẹlu algoridimu Viterbi ti ina-purun, titan awọn fireemu ohun sinu ọna ti o ṣeeṣe julọ ti ọrọ daradara.
Ohun elo Idanimọ Ọrọ Kaldi Mastering
Kaldi jẹ ọfẹ, ohun elo irinṣẹ orisun-ìmọ ti o di aaye iwadii ti o ga julọ fun kikọ awọn eto idanimọ ọrọ. O ṣe pataki nitori pe o fẹrẹ to ọdun mẹwa o jẹ go-si ipilẹ fun ẹkọ ati iṣẹ ASR ile-iṣẹ. Ohun elo Idanimọ Ọrọ Ọrọ Kaldi joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ, orin, ati ohun pada fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media. Lati kọ oye ti o jinlẹ, tọju Ohun elo Idanimọ Ọrọ Ọrọ Kaldi bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣe alaye awọn arosọ, ati lọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ti o nlo Ohun elo Ohun elo Idanimọ Ọrọ Kaldi ṣe itọju didara, lairi, ati igbanilaaye gẹgẹbi awọn ẹya pataki kanna ti ilana imuṣiṣẹ. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni akoko kanna, ilokulo ohun ati awọn eewu imisi eniyan n pọ si nigbati igbanilaaye ba sonu. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Awọn ile-iṣẹ ile-ẹkọ ti n ṣe atunṣe Librispeech ati awọn aṣepari Switchboard lati fọwọsi iwadii awoṣe acoustic tuntun
Ṣiṣe awọn eto pipaṣẹ ohun aṣa fun orisun kekere tabi awọn ede kekere ni lilo awọn ilana Kaldi
Titete ohun ti a fi agbara mu si awọn iwe afọwọkọ fun linguistics, ẹda dataset, ati akoko atunkọ
Ṣiṣe agbara wiwa ohun ni kutukutu ati awọn ẹhin iwifun ni ile-iṣẹ ṣaaju awọn awoṣe ipari-si-opin ti dagba
Awọn Ilana imuse
Ohun elo Idanimọ Ọrọ Ọrọ Kaldi ni iṣe
Awọn ile-iṣẹ ile-ẹkọ ti n ṣe atunjade Librispeech ati awọn aṣepari Switchboard lati ṣe ifọwọsi iwadii iṣapẹẹrẹ awokọsitiki tuntun.
Awọn ile-iṣẹ ile-ẹkọ ti n ṣe atunṣe Librispeech ati awọn aṣepari Switchboard lati ṣe ifọwọsi awọn iwadii awoṣe awoṣe acoustic tuntun Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ba ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Ohun elo Idanimọ Ọrọ Ọrọ Kaldi ni iṣe
Ṣiṣe awọn eto pipaṣẹ ohun aṣa fun orisun kekere tabi awọn ede kekere ni lilo awọn ilana Kaldi.
Ṣiṣe awọn eto pipaṣẹ ohun aṣa fun orisun-kekere tabi awọn ede kekere ni lilo awọn ilana Kaldi Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Ohun elo Idanimọ Ọrọ Ọrọ Kaldi ni iṣe
Fi agbara mu titete ohun si awọn iwe afọwọkọ fun linguistics, ẹda dataset, ati akoko atunkọ.
Titete ohun ti a fi agbara mu si awọn iwe afọwọkọ fun awọn ede-ede, ẹda dataset, ati awọn ẹgbẹ akoko atunkọ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Ohun elo Idanimọ Ọrọ Ọrọ Kaldi ni iṣe
Ṣiṣe agbara wiwa ohun ni kutukutu ati awọn ẹhin iwifun ni ile-iṣẹ ṣaaju awọn awoṣe ipari-si-opin ti dagba.
Agbara wiwa ohun ni kutukutu ati awọn ifẹhinti dictation ni ile-iṣẹ ṣaaju awọn awoṣe ipari-si-opin ti o dagba Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.