python搭建CNN-LSTM语音识别模型代码

以下是一个简单的Python代码示例，用于搭建CNN-LSTM语音识别模型，仅供参考：

# 导入必要的库
import tensorflow as tf
from tensorflow.keras.layers import Input, Conv2D, MaxPooling2D, Reshape, Dense, Dropout, LSTM
from tensorflow.keras.models import Model

# 定义模型输入
input_shape = (16000, 1)  # 假设音频信号采样率为16kHz，持续1秒
inputs = Input(shape=input_shape)

# 第一层卷积
x = Conv2D(32, (3, 3), activation='relu', padding='same')(inputs)
x = MaxPooling2D((2, 2), strides=(2, 2))(x)

# 第二层卷积
x = Conv2D(64, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), strides=(2, 2))(x)

# 第三层卷积
x = Conv2D(128, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), strides=(2, 2))(x)

# 将特征图转换为序列
x = Reshape((-1, 128))(x)

# 添加LSTM层
x = LSTM(256, return_sequences=True)(x)
x = LSTM(256)(x)

# 添加Dropout层和全连接层
x = Dropout(0.2)(x)
outputs = Dense(num_classes, activation='softmax')(x)

# 定义模型
model = Model(inputs=inputs, outputs=outputs)

# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

上述代码中，我们使用了3层卷积层将音频信号转换为特征图，并将特征图转换为序列，然后添加了2层LSTM层进行时序建模，最后使用Dropout层和全连接层输出分类结果。您可以根据自己的需求修改模型结构和超参数。