Ohun elo Idanimọ Ọrọ Ọrọ Kaldi
Kaldi jẹ ọfẹ, ohun elo irinṣẹ orisun-ìmọ ti o di aaye iwadii ti o ga julọ fun kikọ awọn eto idanimọ ọrọ.
Akopọ
O ṣe pataki nitori pe o fẹrẹ to ọdun mẹwa o jẹ go-si ipilẹ fun ẹkọ ati iṣẹ ASR ile-iṣẹ.
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.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ohun elo Idanimọ Ọrọ Ọjọ iwaju ti Kaldi
Ọna HMM-DNN arabara Kaldi ti jẹ rọpo pupọ nipasẹ awọn awoṣe alaiṣe-ipari si ipari ti o ya aworan ohun taara si ọrọ. Ise agbese arọpo Daniel Povey, k2 (pẹlu Icefall ati ilolupo ilolupo Lhotse), tun ṣe atunwo awọn imọran WFST ti Kaldi ni PyTorch pẹlu automata ipinlẹ ailopin iyatọ. Reti Kaldi funrarẹ lati jẹ itọkasi itan ati ohun elo ikọni, lakoko ti awọn ọmọ-ara rẹ ti o ni imọran ṣopọ pẹlu iyipada ti eleto kilasika pẹlu orisun-iyipada ti ode oni ati awọn awoṣe akositiki abojuto ara ẹni.
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 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.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Kaldi Speech Recognition Toolkit quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Idanimọ Ọrọ Ọrọ whisper
Awọn ibeere ti a beere nigbagbogbo
Kini Ohun elo Idanimọ Ọrọ Ọrọ Kaldi?
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.
Ede siseto wo ni ipilẹ Kaldi kọ sinu?
A ko kọ ipilẹ Kaldi ni C ++ fun iṣẹ ṣiṣe, pẹlu bash ati awọn iwe afọwọkọ Perl ti n ṣe adaṣe ikẹkọ ati awọn ilana yiyan.
Ilana mathematiki wo ni Kaldi lo lati darapo awoṣe akositiki rẹ, lexicon, ati awoṣe ede sinu aworan iyipada kan?
Kaldi ṣajọ awọn WFSTs lati ile-ikawe OpenFST sinu aworan HCLG kan ṣoṣo ti oluṣewadii n wa.
Tani olupilẹṣẹ akọkọ ati itọsọna ti iṣẹ Kaldi?
Daniel Povey ṣe amọna idagbasoke ti Kaldi, akọkọ ti a tu silẹ ni ọdun 2011, ati lẹhinna bẹrẹ iṣẹ k2 arọpo.
Ninu opo gigun ti epo Alailẹgbẹ Kaldi, kini awọn GMMs (Awọn awoṣe Adalu Gaussian) ni akọkọ ti a lo lati ṣe awoṣe?
Awọn GMM ṣe apẹrẹ iṣeṣe akositiki ti awọn ipinlẹ foonu ṣaaju ki awọn nẹtiwọọki ti o jinlẹ rọpo wọn ni awọn eto arabara.
Kini orukọ ilolupo ilolupo ti o da lori PyTorch ode oni si Kaldi?
k2, pẹlu Icefall ati Lhotse, tun ṣe awọn imọran ipinlẹ ipari Kaldi ni iyatọ, fọọmu ore-PyTorch.