Kaldi當中語音數據增強有什麼方法

整理 知乎 https://www.zhihu.com/people/leonjin 回答，如侵權立刪

 

音速擾動sp：將音頻速度擴展爲0.9,1.0,1,1

參考腳本utils/data/perturb_data_dir_speed_3way.sh

音量擾動vp：

參考腳本utils/data/perturb_data_dir_volume.sh

上面兩個都是用sox實現

有加混響和加性噪聲，參考腳本

steps/data/reverberate_data_dir.py

steps/data/augment_data_dir.py

http://www.openslr.org/resources/28/rirs_noises.zip
這個混響包含了real和simulated，用的比較多是simulated中的小房間，中房間，對應房間大小分別是1~10m和10~30m加性的：
http://www.openslr.org/resources/17/musan.tar.gz
這個加性包含人聲babble，音樂背景聲和真實噪聲。這兩個噪聲庫強烈推薦Mark上~另外就是用sox改改音速和音量，這些dither也可以納入考慮

 

2019年新加的頻譜augmentation，內嵌在xconfig中：

spec-augment-layer

該方法需要加大epoch纔可能奏效