读者对象 《深度学习：语音识别技术实践》一书既适合需要具体实现语音识别的程序员使用，也适合有一定机器学习或语音识别基础的学生、研究者或从业者阅读。 ★★业内流行的Kaldi语音识别技术实践。 ★★猎兔搜索技术团队语音识别技术总结，引领语音识别技术升级。 ★★IBM资深软件架构师丁朝杰重磅推荐。
售 价：¥
纸质售价：¥66.70购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
第1章 语音识别技术
1.1 总体结构
1.2 Linux基础
1.3 安装Micro编辑器
1.4 安装Kaldi
1.5 yesno例子
1.6 构建一个简单的ASR
1.7 Voxforge例子
1.8 数据准备
1.9 加权有限状态转换
1.10 语音识别语料库
1.11 Linux shell脚本基础
第2章 C#开发语音识别
2.1 准备开发环境
2.2 计算卷积
2.3 记录语音
2.4 读入语音信号
2.5 离散傅里叶变换
2.6 移除静音
第3章 Perl开发语音识别
3.1 变量
3.2 多维数组
3.3 常量
3.4 操作符
3.5 控制流
3.6 文件与目录
3.7 例程
3.8 执行命令
3.9 正则表达式
3.10 命令行参数
第4章 Python开发语音识别
4.1 Windows操作系统下安装Python
4.2 Linux操作系统下安装Python
4.3 选择版本
4.4 开发环境
4.5 注释
4.6 变量
4.7 数组
4.8 列表
4.9 元组
4.10 字典
4.11 控制流
4.12 模块
4.13 函数
4.14 读写文件
4.15 面向对象编程
4.16 命令行参数
4.17 数据库
4.18 日志记录
4.19 异常处理
4.20 测试
4.21 语音活动检测
4.22 使用numpy
第5章 Java开发语音识别
5.1 实现卷积
5.2 KaldiJava
5.3 TensorFlow的Java接口
第6章 语音信号处理
6.1 使用FFmpeg
6.2 标注语音
6.3 时间序列
6.4 端点检测
6.5 动态时间规整
6.6 傅里叶变换
6.7 MFCC特征
6.8 说话者识别
6.9 解码
第7章 深度学习
7.1 神经网络基础
7.2 卷积神经网络
7.3 搭建深度学习开发环境
7.4 nnet3实现代码
7.5 编译Kaldi
7.6 端到端深度学习
7.7 Dropout解决过度拟合问题
7.8 矩阵运算
第8章 语言模型
8.1 概率语言模型
8.2 KenLM语言模型工具包
8.3 ARPA文件格式
8.4 依存语言模型
附录
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
