Re: [語音] 長文, RM1 轉好的語音檔在這
學長我弄好了。
放在 /home/poseidons/RM1 裡面，目前的格式結構完全依照 Aurora2 設計
所以看過去會很像 :p
我把 feature 抽好放在 features_C0_01 (C0~C12, baseline, no logE)
和 features_logE_01 (C1~C12 plus logE, baseline, no C0)
ind_trn109 -> training set, 3990 utterances
ind_feb89 -> test set for Feb.89 eval, 300 utterances
分別加了8種 additive noise，以及 20dB ~ -5dB SNR, MIRS channel
(和 Aurora2一樣，不過沒有通過G.712就是了)
接下來就拜託學長了~
※ 引述《wazowski (ludan)》之銘言：
: wav 檔在這個目錄:
: /home/kenneth/Speech/corpora/RM1/wav
: raw (headerless PCM) 檔在這個目錄: (16 kHz, mono, 16-bit, Intel byte order)
: /home/kenneth/Speech/corpora/RM1/raw
: 每個目錄底下各有五個子目錄, 對應到 training set 跟四個 test set
: ind_trn109 -> training set, 3990 utterances
: ind_feb89 -> test set for Feb.89 eval, 300 utterances,
: 這是我們預定的 test set
: 我挑了幾個檔案來聽, 大致上應該沒有問題... (不過你還是再挑幾個聽聽看)
: 接下來修那幾個檔案, down-sampling, FaNT 就交給你了
: 等你那邊準備好(你的) baseline MFCC feature (clean train/test) 後麻煩跟我說
: 我要把 model training 跟 testing 的流程試跑一遍
: 因為現在要做 8 kHz 的版本, 之前的 initial model 不適用
: 還要研究一下 single-pass retraining 比較好,
: 還是用 forced-aligned label 來 initialize 比較好
: 我兩種都會試試看
: 除了 initialization 以外,
: 其他的 scripts 大致上應該都可以直接沿用
: 等我確定比較好的方法以後
: 就會把後面的 HERest 跟辨識算正確率全部用 script 串起來
: 到時候你把 feature list 餵進來就可以了
: 暫時先這樣 再討論~
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.21.28
→
01/16 01:45, , 1F
01/16 01:45, 1F
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 2 之 2 篇)：