原创 語音分離speech separation數據準備，開源
Speech separation 現在大熱的一個方向，西雅圖的騰訊一直在作者方面的研究，chime6上俞老師講了一個多小時的他們的工作就能證明該方向有多火， 當前有很多深度學習的方法如deep-clustering, PIT, utte
2020-07-03 02:19:21
6
原创 第一次參加 CHiME-6 challenge 總結
第一次參加chime的自然場景多人對話遠場語音識別評測 主要負責數據增強和音頻信號處理 衝着高分去的，但由於最終的transcriptions包含了特殊symbol, 本來達到了既定目標，但修改之後最終結果並沒有達到預期， 有幾點記錄
2020-07-03 02:19:21
9
原创 譜減去混響方法----附上matlab 代碼 (已更新,貼上了代碼和論文, 新增split_frame和overlapadd代碼)
鑑於有人要求stft和istft代碼，我就把它貼出來，之前不貼出來是因爲很多人stft和istft是不一樣的,而且實時跟離線算法的stft跟istft在實現上也是有點不同的，你可以用自己的，也可以用我的，但思路和結果都是一樣的． 我不發上
2020-06-06 21:29:21
7
原创 RNNOISE 16K音頻訓練方式
鑑於很多同學都在問RNNoise如何把48k的原始代碼改成能訓練16k音頻的， 我就把我做的rnnoise 16k的一些小改動開源出來， 一起探討研究。 先mark， 後面詳細來介紹如何改，代碼已經放上了github RNNoise_
2020-04-20 22:09:02
5
原创 新的一年的工作，新的開始
新的一年，開展新的領域--------盲源分離 去年幹了一年的去混響工作已經上線了。 今年開始全力衝盲源分離， 從CASA到DPCL到PIT， 都得好好地攻破下來！！！ 另外， 想讀博了！！希望自己能在工作之餘在speech separa
2020-02-20 19:34:50
原创 RNNoise要注意的部分（草稿記錄）
rnnoise會有一個pitch_filter 這是由於因爲它們在生成特徵時不是用頻域上所有頻點，而是採取bark's scale的切分頻段來對不同頻率的頻段進行特徵處理 這樣的話頻域上的分辨率會降低，然後導致最後在進行降噪後生成的語音會
2019-06-28 02:33:01
4
原创 譜減去混響方法----附上matlab 代碼
去年底跳槽之後,轉做前端了,主要在去混響部分, 目前自我實現的算法有SS和kalman filter,都是根據論文來複現的,但是比較常用的叫WPE, 接觸時間不長,還在研究學習階段,慢慢分享心得 佔個坑, 等下班來發譜減去混響的算法和
2019-02-24 02:57:47
22
原创 新的征程以及AISHELL x-vector跑分
從原來的公司跳槽去上海的一家新公司，不做聲紋識別，要準備做語音識別了，新的開始，加油！ 在跳槽前用aishell數據重新訓練了一個x-vector, 能達到0.8%的EER，相較於我自己測試的i-vector的5%有80%多的提高。 下次
2018-12-17 20:09:53
原创 Kaldi sre10, sre16 數據格式
做個記錄, 給大多數跑腳本但是又沒有官方數據的朋友一起交流討論: 引用自己在知乎的回答: 跑kaldi的腳本到最後都是得用自己的數據去訓練去測試的, kaldi只需要三個文件utt2spk, spk2utt和wav.scp. 具體的你其實
2018-11-08 10:51:59
57
原创 Kaldi各種已經訓練好的模型
做個記錄 http://kaldi-asr.org/models.html 這網站是Kaldi中各種語音任務pretrained過的模型 有視源ASR的, xvector做聲紋識別的, emebedding做diarization的, 大
2018-10-20 11:30:36
5
原创 說話人識別/聲紋識別學習路徑的資料整理,從零學聲紋識別
昨天幫新同事講解了一波說話人識別的理論,並且幫他整理了資料讓他學習, 這個博客就是把最具有代表性的資料記錄下來,前提,我假設你知道啥是MFCC,啥是VAD,啥是CMVN了. 說話人識別學習路徑無非就是 GMM-UBM -> JFA ->
2018-09-13 05:20:57
原创 Kaldi中 聲紋識別的流程圖
總結了一波Kaldi中聲紋識別的流程和所用的可執行文件,.把可執行文件當作一個庫來用,自己來仿照這sre08,sre10,或者aishell的run.sh用自己的數據來完成自己的聲紋識別系統就好.自己還在研究,但是說幾個我認爲比較關鍵的地
2018-09-03 17:37:44
原创 PLDA的原理和em訓練(爲了be user friendly開始用latex寫公式)
最近一直在學習和操作PLDA,感覺這個算法太有才了，對身份驗證如人臉識別，聲紋識別，OCR都有用． 先對自己的工作和麪試別人以及被面試有一份感悟： 1.數學太重要了，有些人看論文難啃的原因就是公式看不懂，公式看不懂就是數學不好，後面要
2018-09-03 17:37:44
1
原创 MFCC一些知識與Kaldi中的MFCC特徵解讀
因爲想用Kaldi去實現一個GMM-UBM的說話人識別和loglike打分，所以想把Kaldi計算的統計量對一對，看能不能把二進制文件裏的數值單獨拿出來，自己寫個代碼做結合Kaldi中的MAP做統計量計算，然後再放回去。但是當把訓練好的U
2018-09-03 17:37:44
62
原创 Kaldi 對說話人識別GMM-UBM的MAP 參數更新和對數似然概率解讀
寫博客=寫日記，爲自己記錄工作進度和理論知識，如果有恰好路過的大牛經過，可以駐足看看我的理解本人剛接觸說話人識別不到一個月，因工作需求研究了kaldi。大致弄懂了GMM-UBM，正在研究Ivector的理論和實踐.雖然個人更喜歡數據分析，
2018-09-03 17:37:43
4