登录注册

目录

评价

推荐

深度学习理论与实战：提高篇

58课时
59学过
8分

1. 听觉

1.1 语音识别简介

1.1.2 任务分类

1.1.3 常见概念

1.1.4 语音识别效果评测

1.2 MFCC特征提取

1.2.1 MFCC特征提取步骤

1.2.2 上述步骤的作用

1.2.3 美尔尺度(Mel Scale)

1.2.4 详细实现过程

1.2.5 计算梅尔滤波器组的参数

1.2.6 Deltas和Delta-Deltas特征

1.2.7 代码实现

1.2.8 Filter Bank特征 vs MFCC特征

1.3 基于HMM的语音识别(一)

1.3.1 语音产生过程

1.3.2 听觉感知过程

1.3.3 信号处理

1.3.4 特征提取

1.3.5 HMM模型简介

a. 定义

b. 似然：前向算法(forward algorithm)

c. 解码：Viterbi算法

d. 学习：前向后向(forward-backward)算法

1.4 基于HMM的语音识别(二)

1.5 基于HMM的语音识别(三)

1.6 WFST简介

2. 视觉

3. 语言

4. 强化学习

5. 其它

李理

毕业于北京大学，研究方向为自然语言处理。先后在去哪儿网、百度、出门问问、环信和汽车之家等公司工作，有十多年自然语言处理和人工智能研发经验。从事过分布式爬虫、搜索引擎、问答和对话系统、广告系统和知识图谱等工作，主持研发过多款智能硬件上的问答和对话系统。
版权说明：本课程已获课程制作者授权，如有侵权，请联系 DevLab@tencent.com 删除。

课程评价 (0)

请对课程作出评价：
0/300
发表评价

学员评价

暂无精选评价

相关云产品

在线学习中心课程深度学习理论与实战：提高篇
5分钟

1.2.3 美尔尺度(Mel Scale)

美尔尺度是建立从人类的听觉感知的频率——Pitch到声音实际频率直接的映射。人耳对于低频声音的分辨率要高于高频的声音。通过把频率转换成美尔尺度，我们的特征能够更好的匹配人类的听觉感知效果。从频率到美尔频率的转换公式如下：

M(f)=1125 ln(1+f/700)

而从美尔频率到频率的转换公式为：

上一节: 1.2.2 上述步骤的作用下一节: 1.2.4 详细实现过程

Copyright © 2013-2025 Tencent Cloud.All Rights Reserved. 腾讯云 版权所有

直播支持申请