语音识别 - 资源整合

数据

见 audio/dataset

书籍

• Speech and Language Processing 第三版本草稿| 斯坦福 Dan Jurafsky

code

• Sphinx和HTK比较老了
• Kaldi: 实现了hmm-gmm、hmm-dnn、chain-model等模型
  • DFSMN: code-ali, code-张世良
• warp-ctc: 百度开源，对CTC的并行加速。很久未更新
• tensorflow
  • Deep Speech 实现了百度的Deep Speech模型
  • 中文、英文语音识别: zzw922cn开源的，基于tensorflow的语音识别，
• pytorch
  • Deep Speech2: 基于百度的wrap-ctc实现了百度的Deep Speech2模型
    -

课程

• CS224S - Spoken Language Processing | stanford
• cs224n 第13讲
• ASR 2017-18
• cmu课程，slides和homework，2011年

学习如何提取特征，怎样实现HMM训练，DNN怎么构建，如何去HVite

论文集

• Dan Povey的论文，多看Kaldi原文档，多逛Kaldi论坛

博客

• u010384318的专栏