第一次参加chime的自然场景多人对话远场语音识别评测 主要负责数据增强和音频信号处理 冲着高分去的，但由于最终的transcriptions包含了特殊symbol, 本来达到了既定目标，但修改之后最终结果并没有达到预期， 有几点记录一下： 1. GSS + ASR alignment是能稳定提升1.5%的识别率的，取决于用什么ASR模型进行alignment了，这个的目的就是去找有效音，因为原始的用时间戳的对齐方法，对每一帧他是不会标注出“静音”帧的。 vad同理能在这里取得不错的效果，但是没有ASR的好。 GSS alignment在pb_chime5 需要改一下数据处理的不稳已经标注部分，但是chime-7大概率换了批数据，所以这个算法以后大概率不会在用到了，毕竟比现在的pit,danet等算法更不实用，出来的音频更失真。把GSC修改成mask-based会更好 2.根据房间参数生成RIR会更好 3.cnn-tdnnf还是王道 4.这种比赛还是对同一场景下的数据过拟合会更好 5.Separation的作用与BF搭配能超越传统BF，利用separation 估计一个mask出来再传入bf，能比市面上任何BF都好 6.没有实验ROVER的fusion结果，但lattice-combine 能达到不错的结果，我相信ROVER应该会更好 7.wpe做stft时需要做fading和pad，不然效果会不好，甚至雪崩 8.做alignment时要把subsample设置为1 虽然成绩没出来，但排名应该不会特别高，争取下次努力冲！
本网页所有视频内容由 imoviebox边看边下-网页视频下载, iurlBox网页地址收藏管理器 下载并得到。
ImovieBox网页视频下载器 下载地址: ImovieBox网页视频下载器-最新版本下载
本文章由: imapbox邮箱云存储,邮箱网盘,ImageBox 图片批量下载器,网页图片批量下载专家,网页图片批量下载器,获取到文章图片,imoviebox网页视频批量下载器,下载视频内容,为您提供.
阅读和此文章类似的: 全球云计算
官方软件产品操作指南 (170)
