本文深入探讨了基于不同麦克风配置的语音聊天模型，包括独立耳机麦克风（mic=ihm）、单程麦克风（mic=sdm）和多程麦克风（mic=mdm）。此外，还介绍了数据集的预处理方法，如速度变换（data_sp）、音量变换（data_hires）以及VAD算法的应用，用于去除静默阶段的噪声，保留有效语音段。最后，文章提到了神经网络使用13维MFCC原始特征进行处理。
mic=ihm：基于独立耳机麦克风的各种语聊和模型
mic=sdm：基于单程麦克风的各种语聊和模型
mic=mdm：基于多程麦克风的各种语聊和模型
data_sp：数据集经过了速度变换（utils/data/perturb_data_dir_speed_3way.sh）
data_hires：数据集经过了音量变换（utils/data/perturb_data_dir_volume.sh）
***.vad：数据集经过了vad算法处理，把闲时噪音（阶段）去掉，只保留说话时候的音段
raw：表示神经网络使用的为13维的MFCC原始特征（没有经过一阶差分，二阶差分）
扫一扫
759
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
