自定义Fbank训练

def feature_wav(wav_file, pre_emphasis=0.97, n_filter=40, frame_len_s=0.032, frame_shift_s=0.01):

    import numpy as np

    from scipy.io import wavfile

    from scipy.fftpack import dct

    import matplotlib.pyplot as plt

    #读取语音数据

    fs, sig = wavfile.read(wav_file)

    #对语音能量归一化

    Ena = sum(sig ** 2)

    sig = sig / np.sqrt(Ena)

    #预加重

    sig = np.append(sig[0], sig[1:] - pre_emphasis * sig[:-1])

    #分帧加窗

    def framing(frame_len_s, frame_shift_s, fs, sig):

        sig_n = len(sig)

        frame_len_n, frame_shift_n = int(

            round(fs * frame_len_s)), int(round(fs * frame_shift_s))

        num_frame = int(

            np.ceil(float(sig_n - frame_len_n) / frame_shift_n) + 1)

        pad_num = frame_shift_n * (num_frame - 1) + \

            frame_len_n - sig_n 

        pad_zero = np.zeros(int(pad_num))    # ????0

        pad_sig = np.append(sig, pad_zero)

        frame_inner_index = np.arange(0, frame_len_n)

        frame_index = np.arange(0, num_frame) * frame_shift_n

        frame_inner_index_extend = np.tile(frame_inner_index, (num_frame, 1))

        frame_index_extend = np.expand_dims(frame_index, 1)

        each_frame_index = frame_inner_index_extend + frame_index_extend

        each_frame_index = each_frame_index.astype(np.int, copy=False)

        frame_sig = pad_sig[each_frame_index]

        return frame_sig

#    frame_len_s = 0.025

#    frame_shift_s = 0.01

    frame_sig = framing(frame_len_s, frame_shift_s, fs, sig)

    window = np.hamming(int(round(frame_len_s * fs)))

    frame_sig *= window

    #快速傅里叶变换

    def stft(frame_sig, nfft=512):

        frame_spec = np.fft.rfft(frame_sig, nfft)

        frame_mag = np.abs(frame_spec)

        frame_pow = (frame_mag ** 2) * 1.0 / nfft

        return frame_pow

    nfft = 512

    frame_pow = stft(frame_sig, nfft)

    #梅尔滤波 0全部替换成无穷小 结果以10为底取对数,并乘20

    def mel_filter(frame_pow, fs, n_filter, nfft):

        mel_min = 0   

        mel_max = 2595 * np.log10(1 + fs / 2.0 / 700) 

        mel_points = np.linspace(mel_min, mel_max, n_filter + 2)

        hz_points = 700 * (10 ** (mel_points / 2595.0) - 1)    

        filter_edge = np.floor(hz_points * (nfft + 1) / fs)   

        fbank = np.zeros((n_filter, int(nfft / 2 + 1)))

        for m in range(1, 1 + n_filter):

            f_left = int(filter_edge[m - 1])    

            f_center = int(filter_edge[m])      

            f_right = int(filter_edge[m + 1])   

            for k in range(f_left, f_center):

                fbank[m - 1, k] = (k - f_left) / (f_center - f_left)

            for k in range(f_center, f_right):

                fbank[m - 1, k] = (f_right - k) / (f_right - f_center)

        filter_banks = np.dot(frame_pow, fbank.T)

        filter_banks = np.where(

            filter_banks == 0, np.finfo(float).eps, filter_banks)

        filter_banks = 20 * np.log10(filter_banks)  # dB

        return filter_banks

    filter_banks = mel_filter(frame_pow, fs, n_filter, nfft)

    return filter_banks

在特征提取部分将ta.compliance.kaldi.fbank改为自定义的特征提取函数

由于输出结果是numpy结构的 需要进行转换变为FloatTensor形式

设置了一个输出标志 ,如果这个函数被调用了则输出:DIYFbank

同样在标准化这里也设置个标志:norm

spec-augment:频率掩蔽+时间掩蔽,忽略时间扭曲

设置标签:mask

训练过程:

三部分都会调用

测试阶段:

只会用到自定义的Fbank和normalization两个部分

词错率为8.401%,与8.276%相比变化增加了0.125%,用自定义Fbank是可行的!


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,542评论 6 504
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,822评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,912评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,449评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,500评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,370评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,193评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,074评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,505评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,722评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,841评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,569评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,168评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,783评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,918评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,962评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,781评论 2 354

推荐阅读更多精彩内容