《yesno的例子 - Simulink与信号处理 第2版》由丁亦农编著于2014年,本书深入探讨了Kaldi,一个广泛用于语音识别领域的开源工具包。章节3.2详细介绍了Kaldi中使用的各种语音数据库,这些数据库对于研究者和开发者来说至关重要。
1. Babel语料库:源自IARPA的巴比塔项目,主要关注低资源语言的语音识别,如普什语、波斯语等,但因其识别性能不佳(WER高达50%),对于复杂场景下的识别并不理想。
2. SRE08:Speaker Recognition Evaluations,专门用于说话人识别的基准测试,评估系统的识别准确性和鲁棒性。
3. Aurora4:专注于嘈杂环境下的语音识别,包含噪声抑制、说话人分离和音乐分离等功能,是语音识别在实际应用中面对挑战的体现。
4. HKUST:香港大学提供的普通话语音识别数据集,适合训练和优化中文模型。
5. Callhome_egyptian:针对埃及阿拉伯语的语音识别,涉及电话对话数据。
6. Chime_wsj0:电话、会议和远程麦克风环境下的语音识别,强调多样性挑战。
7. Fisher_englist:双声道英语语音数据,用于英语语音处理研究。
8. Gale_arabic:阿拉伯语语音数据,支持全球自动语言开发计划。
9. GP:全球电话语音项目,涵盖了19种语言的大量语音样本。
10. LRE:包含说话人识别和语种识别,多任务数据集。
11. WSJ:华尔街日报语料库,常用于训练和评估基础语音识别系统。
12. SWBD:Switchboard语料库,用于对话理解和转写。
13. TIDigits:数字语音识别数据,关注不同性别和年龄的读数声音。
14. VozForge:一个开源的语音数据收集平台,鼓励用户贡献语音样本。
15. TIMIT:美国英语语音数据,包括多种口音和词汇标注,用于训练和评估系统。
16. TEDLIUM:TED演讲的英语语音数据,由LIUM创建,适合大规模多说话人识别研究。
17. Vystadial_cz/En:捷克和英语的电话对话数据集,用于电话语音识别。
18. YesNo:专门针对yes/no这两个词的语音识别,属于命令词识别范畴。
19. RM:DARPA的资源管理连续语音语料库,关注连续对话的处理。
书中还提供了yesno例子的具体操作步骤,包括将waves_yesno数据集复制到指定目录并执行一系列命令来运行示例。此外,书中还涵盖了Kaldi的安装、使用、数据库应用、GPU支持、自定义数据集处理以及与其他工具的集成等内容,例如GPU安装指南、Kaldi内建的决策树和HMM模型等技术细节。本书是语音处理研究者和开发者的实用参考,特别是对于Kaldi这个工具包的初学者和进阶者而言,提供了丰富的实战经验和理论知识。