前端操作

前端录音的声音传到服务端，声音长度为5S，没有做端点检测，只有阈值触发，触发后录音5S。

后端剪辑

对获得的音频进行剪辑成十份，重叠0.5S

CNN操作

目前识别效果极差，在训练集里面不管是训练还是测试精度都相当可人，
并且确定没有过拟合现象，如用同一数据集中未进行训练的数据去测试效果一样很好，识别度相当高，准确。
因此，现在有了以下猜测：
1、实际数据的环境音影响特别大。
2、音频剪辑问题，训练音频都在那一段音频的中间，且完整。
3、训练的cnn网络有问题，不适合实际运用。

猜想部分验证

1、实际录音和训练集之间的背景噪声肯定不一样，自然加噪后效果有部分进步，但不够明显。
2、手工剪辑音频，但测试识别结果还是会有错误，因此猜测第三步出错的可能性更大。
3、换多个测试集进行测试，发现语音测试比事件测试效果偏好，但还是有影响。

求助

现目前，感觉是网络训练有问题，或者数据集有问题，有没有大神用训练好的网络用实际声音做测试并且效果尚好的，麻烦指点一下。

关于cnn在语音识别、环境音识别中的实际运用问题相关推荐

Connectionist Temporal Classification(CTC)、音识别模型小型综述和一个简易的语音识别模型的tensorflow实现
CTC是一种端到端的语音识别技术,他避免了需要字或者音素级别的标注,只需要句子级别的标注就可以进行训练,感觉非常巧妙,也很符合神经网络浪潮人们的习惯.特别是LSTM+CTC相较于之前的DNN+HMM, ...
盘点语音识别技术在人工智能中的应用
语音是人类最自然的交互方式.计算机发明之后,让机器能够"听懂"人类的语言,理解语言中的内在含义,并能做出正确的回答就成为了人们追求的目标.这个过程中主要涉及3种技术,即自动语音识别 ...
长语音识别_长文本语音识别_语音识别 - 云+社区 - 腾讯云
广告关闭腾讯云双11爆品提前享,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高满返5000元! 录音文件识别请求,数据结构,android sdk,ios sdk,自学习模型,使 ...
本地语音识别_语音识别_语音识别 - 云+社区 - 腾讯云
广告关闭腾讯云双11爆品提前享,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高满返5000元! 录音文件识别请求,数据结构,android sdk,ios sdk,自学习模型,使 ...
依图在实时音视频中语音处理的挑战丨RTC Dev Meetup
前言「语音处理」是实时互动领域中非常重要的一个场景,在声网发起的「RTC Dev Meetup丨语音处理在实时互动领域的技术实践和应用」活动中,来自百度.寰宇科技和依图的技术专家,围绕该话题进行了 ...
CNN（卷积神经网络）识别图形验证码（全网最通俗易懂，最全面的讲解）
这里面大多资料均为网上参阅,参考资料过多未能记住您的文章地址望见谅,如涉及您的文章,本文未声明的即可留言,我会将您的原文地址引入. 一.前言项目代码:https://github.com/bao17 ...
基于语音识别、音文同步、图像OCR的字幕解决方案HtwMedia介绍
背景介绍俗话说,"好记性不如乱笔头",这充分说明了文字归档的重要性.如今随着微信.抖音等移动端app的使用越来越广,人们生产音.视频内容也越来越便捷.而相比语音和视频而言,文字具 ...
从语音识别到语义识别，中间还有多长的路要走？-模拟/电源-与非网
最近科技圈刮起一股收购风,前面博通收购高通还在如火如荼的进行,这周苹果就宣布收购音乐识别软件 Shazam.Shazam 这个软件,通过手机麦克风收录音频片段,能够识别音乐.电影.电视节目甚至是广告. ...
Python Tensorflow + CNN + Opencv 英雄联盟小地图识别，LOL Minimap Scanner
Tensorflow + CNN + Opencv 英雄联盟小地图识别,LOL Minimap Scanner 本项目代码的展示简介思路第一步:图像处理 1. 获取图像并转换 2. 过滤出图像中 ...

关于cnn在语音识别、环境音识别中的实际运用问题

目前运用CNN做声音识别遇到的问题

前端操作

后端剪辑

CNN操作

猜想部分验证

求助

关于cnn在语音识别、环境音识别中的实际运用问题相关推荐

最新文章

热门文章