如何在普通语音数据集上训练 CNN答案

【问题标题】：How to train CNN on common voice dataset如何在普通语音数据集上训练 CNN
【发布时间】：2019-08-01 05:16:36
【问题描述】：

我正在尝试使用 common voice 数据集训练一个 cnn。我是语音识别的新手，无法找到有关如何将数据集与 keras 一起使用的任何链接。我跟着这个article 构建了一个简单的词分类网络。但我想用通用语音数据集来扩展它。任何帮助表示赞赏。

谢谢

【问题讨论】：

【解决方案1】：

您可以查看MFCCs。简而言之，这些是通过使用信号处理技术从音频波形中提取的特征，以转录人类感知声音的方式。在python中，你可以使用python-speech-features来计算MFCC。

准备好数据后，您可以构建 CNN；例如this one:

您也可以使用 RNN（例如 LSTM 或 GRU），但这有点高级。

编辑：如果您愿意，可以从一个非常好的数据集开始：

【讨论】：

感谢您的回复。我一定会这样做的。我的疑问是，常见的语音数据集是各种人所说的句子的汇编。对于语音识别，我应该将句子转换为单词吗？
使用带标签的单词比使用句子要容易得多；例如，您可以使用 RNN + CTC-loss 处理句子，但它非常先进。以前可以用文字练习！如果您想要一个包含已经准备好的单词的数据集，您可以查看谷歌语音命令数据集（我会将链接放在我的答案中）。这是一个非常好的数据集。