66-Day9.md

Day 9

RNN Tensorflow 实现

神经图灵机NTM/DNC

语音识别 (Automatic Speech Recognition) & PyAudio

• 为什么难
  • 词汇表的大小
  • 同音词
  • 口音, 语气, 腔调
  • 鸡尾酒问题
• 语音有波形图, 频域图, 时频谱多种表示法
  • FFT 从 time domain $\to$ frequency domain.

给定 $X$ 语音信号， $$ W^* = \arg\max_M P(M|X) $$

评价指标WER。

可以利用 RNN, CTC折叠来对齐。

CLDNN

语音识别程序