您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Python-该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模

  2. 该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模,其中声学模型包括CNN-CTC、GRU-CTC、CNN-RNN-CTC,语言模型包含transformer、CBHG,数据集包含stc、primewords、Aishell、thchs30四个数据集。
  3. 所属分类:其它

    • 发布日期:2019-08-10
    • 文件大小:108mb
    • 提供者:weixin_39841882
  1. data_AI_shell中文语音数据集合9

  2. data_AI_shell中文语音数据集合9data_AI_shell中文语音数据集合2data_AI_shell中文语音数据集合1data_AI_shell中文语音数据集合1
  3. 所属分类:深度学习

    • 发布日期:2020-08-14
    • 文件大小:956mb
    • 提供者:weixin_32759777
  1. data_AI_shell中文语音数据集合1

  2. data_AI_shell中文语音数据集合1
  3. 所属分类:深度学习

    • 发布日期:2020-08-14
    • 文件大小:805mb
    • 提供者:weixin_32759777
  1. PaddlePaddle-DeepSpeech中文语音识别模型(AISHELL数据集训练的)

  2. PaddlePaddle-DeepSpeech中文语音识别模型(AISHELL数据集训练的) 项目地址:https://github.com/yeyupiaoling/PaddlePaddle-DeepSpeech
  3. 所属分类:深度学习

    • 发布日期:2021-03-18
    • 文件大小:746mb
    • 提供者:qq_33200967
  1. PPASR中文语音识别(入门级)模型(AISHELL数据集训练的)

  2. PPASR中文语音识别(入门级)模型(AISHELL数据集训练的) 源码地址:https://github.com/yeyupiaoling/PPASR/tree/%E5%85%A5%E9%97%A8%E7%BA%A7
  3. 所属分类:深度学习

    • 发布日期:2021-03-14
    • 文件大小:331mb
    • 提供者:qq_33200967
  1. masr:中文语音识别; 普通话自动语音识别;-源码

  2. MASR中文语音识别 MASR是一个基于端到端的深度神经网络的中文普通话语音识别项目。 原理 MASR使用的是门控卷积神经网络(Gated Convolutional Network),网络结构在Facebook在2016年提出的Wav2letter。但是使用的激活函数不是ReLU HardTanh ,而不是GLU (门控线性单元)。因此根据我的实验,使用GLU的收敛速度比HardTanh要快。如果您想要研究卷积网络用于语音识别的效果,这个项目可以作为一个参考。 以下用字错误率CER来假定模型的
  3. 所属分类:其它

    • 发布日期:2021-02-19
    • 文件大小:65kb
    • 提供者:weixin_42104947
  1. TensorflowASR:集成了Tensorflow 2版本的端到端语音识别模型,并且RTF(实时率)在0.1左右Tensorflow 2中最先进的自动语音识别-源码

  2. TensorflowASR 集成了Tensorflow 2版本的端到端语音识别模型,和RTF(实时率)在0.1左右 目前集成了中文的CTC \ Transducer \ LAS三种结构 当前还在开发阶段 欢迎使用并反馈bug |中文版 梅尔层 参照librosa库,用TF2实现了语音频谱特征提取的层,这样在跨平台部署时会更加容易。 使用: am_data.yml use_mel_layer: True mel_layer_type: Melspectrogram #Spectrogram t
  3. 所属分类:其它

  1. CycleGAN-VC2:CycleGAN(语音克隆语音转换)进行的语音转换-源码

  2. CycleGAN-VC2-PyTorch | 这段代码是用于纸张的PyTorch实现: ,是有关语音转换/语音克隆的工作。 数据集 风投 中国男性演讲者(AISHELL 和) 用法 训练 例子 演示版 参考 更新 2020.11.17 :修复的问题:重新实施第二步的逆向损失。 2020.08.27 :通过添加第二步的逆向性损失 循环GAN-VC2 为了推进非并行VC的研究,我们提出了CycleGAN-VC2,它是CycleGAN-VC的改进版本,结合了三种新技术:改进的目标(两
  3. 所属分类:其它

    • 发布日期:2021-04-01
    • 文件大小:87mb
    • 提供者:weixin_42100971