深度學(xué)習：語(yǔ)音識別技術(shù)實(shí)踐簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

內容簡(jiǎn)介:語(yǔ)音識別已經(jīng)逐漸進(jìn)入人們的日常生活。語(yǔ)音識別技術(shù)是涉及語(yǔ)言、計算機、數學(xué)等領(lǐng)域的交叉學(xué)科?！渡疃葘W(xué)習：語(yǔ)音識別技術(shù)實(shí)踐》介紹了包括C#、Perl、Python、Java在內的多種編程語(yǔ)言實(shí)踐，開(kāi)源語(yǔ)音識別工具包Kaldi的使用與代碼分析，深度學(xué)習的開(kāi)發(fā)環(huán)境搭建，卷積神經(jīng)網(wǎng)絡(luò )，以及語(yǔ)音識別中常見(jiàn)的語(yǔ)言模型——N元模型和依存模型等，讓讀者快速了解語(yǔ)音識別基礎，掌握開(kāi)發(fā)語(yǔ)音識別程序的算法。
《深度學(xué)習：語(yǔ)音識別技術(shù)實(shí)踐》從語(yǔ)音識別的基礎開(kāi)始講起，并輔以翔實(shí)的案例，既適合需要具體實(shí)現語(yǔ)音識別的程序員使用，也適合有一定機器學(xué)習或語(yǔ)音識別基礎的學(xué)生、研究者或從業(yè)者閱讀。

作者簡(jiǎn)介:柳若邊

獵兔搜索團隊核心成員，曾供職于中國萬(wàn)網(wǎng)、三星等多家業(yè)內知名公司，現任某教育培訓機構專(zhuān)業(yè)講師。獵兔搜索創(chuàng )立于2004年，專(zhuān)注于自然語(yǔ)言處理等人工智能領(lǐng)域的技術(shù)開(kāi)發(fā)與實(shí)現。在北京和上海等地均有獵兔培訓的學(xué)員，獵兔搜索出版的相關(guān)技術(shù)圖書(shū)讀者遍及全國各省(市、區)及海外華人圈。

目錄:目　錄



第1章　語(yǔ)音識別技術(shù)    1
1.1  總體結構    1
1.2  Linux基礎    2
1.3　安裝Micro編輯器    4
1.4  安裝Kaldi    5
1.5  yesno例子    6
1.5.1  數據準備    7
1.5.2  詞典準備    8
1.6  構建一個(gè)簡(jiǎn)單的ASR    12
1.7  Voxforge例子    21
1.8  數據準備    23
1.9  加權有限狀態(tài)轉換    34
1.9.1  FSA    35
1.9.2  FST    35
1.9.3  WFST    37
1.9.4  Kaldi對OpenFst的改進(jìn)    38
1.10  語(yǔ)音識別語(yǔ)料庫    39
1.10.1  TIMIT語(yǔ)料庫    39
1.10.2  LibriSpeech語(yǔ)料庫    40
1.10.3  中文語(yǔ)料庫    40
1.11  Linux shell腳本基礎    40
1.11.1  Bash    41
1.11.2  AWK    44
第2章　C#開(kāi)發(fā)語(yǔ)音識別    46
2.1  準備開(kāi)發(fā)環(huán)境    46
2.2  計算卷積    47
2.3  記錄語(yǔ)音    48
2.4  讀入語(yǔ)音信號    52
2.5  離散傅里葉變換    53
2.6  移除靜音    54
第3章　Perl開(kāi)發(fā)語(yǔ)音識別    58
3.1  變量    58
3.1.1  數字    58
3.1.2  字符串    59
3.1.3  數組    60
3.1.4  散列表    60
3.2  多維數組    62
3.3  常量    62
3.4  操作符    63
3.5  控制流    66
3.6  文件與目錄    67
3.7  例程    68
3.8  執行命令    69
3.9  正則表達式    69
3.9.1  基本類(lèi)型    69
3.9.2  正則表達式模式    70
3.10  命令行參數    72

第4章　Python開(kāi)發(fā)語(yǔ)音識別    73
4.1  Windows操作系統下安裝Python    73
4.2  Linux操作系統下安裝Python    75
4.3  選擇版本    76
4.4  開(kāi)發(fā)環(huán)境    76
4.5  注釋    77
4.6  變量    77
4.6.1  數值    77
4.6.2  字符串    79
4.7  數組    80
4.8  列表    80
4.9  元組    80
4.10  字典    81
4.11  控制流    81
4.11.1  條件判斷    81
4.11.2  循環(huán)    82
4.12  模塊    83
4.13  函數    84
4.14  讀寫(xiě)文件    86
4.15  面向對象編程    87
4.16  命令行參數    88
4.17  數據庫    90
4.18  日志記錄    90
4.19  異常處理    92
4.20  測試    92
4.21  語(yǔ)音活動(dòng)檢測    93
4.22  使用numpy    93
第5章　Java開(kāi)發(fā)語(yǔ)音識別    94
5.1  實(shí)現卷積    95
5.2  KaldiJava    96
5.2.1  使用Ant    97
5.2.2  使用Maven    99
5.2.3  使用Gradle    100
5.2.4  概率分布函數    102
5.3  TensorFlow的Java接口    104
5.3.1  在Windows操作系統下使用TensorFlow    104
5.3.2  在Linux操作系統下使用TensorFlow    106
第6章　語(yǔ)音信號處理    109
6.1  使用FFmpeg    109
6.2  標注語(yǔ)音    110
6.3  時(shí)間序列    112
6.4　端點(diǎn)檢測    113
6.5  動(dòng)態(tài)時(shí)間規整    114
6.6  傅里葉變換    117
6.6.1  離散傅里葉變換    117
6.6.2  快速傅里葉變換    120
6.7  MFCC特征    124
6.8  說(shuō)話(huà)者識別    125
6.9  解碼    125
第7章　深度學(xué)習    132
7.1  神經(jīng)網(wǎng)絡(luò )基礎    132
7.1.1  實(shí)現多層感知器    135
7.1.2  計算過(guò)程    143
7.2  卷積神經(jīng)網(wǎng)絡(luò )    150
7.3  搭建深度學(xué)習開(kāi)發(fā)環(huán)境    156
7.3.1  使用Cygwin模擬環(huán)境    156
7.3.2  使用CMake    157
7.3.3  使用Keras    158
7.3.4  安裝TensorFlow    161
7.3.5  安裝TensorFlow的Docker容器    162
7.3.6  使用TensorFlow    164
7.3.7  一維卷積    208
7.3.8  二維卷積    210
7.3.9  擴張卷積    213
7.3.10  TensorFlow實(shí)現簡(jiǎn)單的語(yǔ)音識別    214
7.4  nnet3實(shí)現代碼    216
7.4.1  數據類(lèi)型    217
7.4.2  基本數據結構    219
7.5  編譯Kaldi    230
7.6  端到端深度學(xué)習    232
7.7  Dropout解決過(guò)度擬合問(wèn)題    232
7.8  矩陣運算    235
第8章　語(yǔ)言模型    238
8.1  概率語(yǔ)言模型    238
8.1.1  一元模型    240
8.1.2  數據基礎    240
8.1.3  改進(jìn)一元模型    249
8.1.4  二元詞典    251
8.1.5  完全二叉樹(shù)數組    257
8.1.6  三元詞典    261
8.1.7  N元模型    262
8.1.8  生成語(yǔ)言模型    264
8.1.9  評估語(yǔ)言模型    265
8.1.10  平滑算法    266
8.2  KenLM語(yǔ)言模型工具包    271
8.3  ARPA文件格式    275
8.4  依存語(yǔ)言模型    278