Linghui's blog

语音识别在线资源整理

1. 斯坦福大学《语音与语言处理》第三版draft

   全文PDF

2. 深蓝学院《语音识别：从入门到精通课程》

3. 爱丁堡大学语音处理课程

4. Kaldi tutorial

5. Montreal Forced Aligner基于kaldi的强制对齐工具

6. 移除静音帧工具ffmpeg 避免预料中一个sentence被分成几个utterance影响

7. VQ-VAE的codebase语音上的无监督离散化工作和zero speechzero speech

8. 评估声学embedding工具UTD、ABX

9. CMU 11-785

Questions needed to be more solid so far 2020.03.09

• GMM-HMM究竟怎么用在语音识别中的对齐部分，如何学习到边界，怎么确定三音子绑定状态下的决策树以及对应的问题集的设计问题？尤其注意流程、输入输出、训练摘要 参照
• WFST与HMM模型构建的声学模型的shallow fusion？

A few knowledge in speech

1. shallow fusion、deep fusion和code fusion的关系
2. ESPnet tutorial 和 Github ESPnet repository

ASR tricks

1. L1 norm可以加速得到attention和减少noisy样本干扰
2. tanh可以减少target range out的mismatch情况
3. CNN网络相比attention based和LSTM based网络参数量较少
4. End-to-End方法在low-resource场景下效果不如Hybrid系统
5. CTC可以帮助修正attention based软对齐问题，并加速解码