Wav2Letter with Tensorflow

Wav2Letter是由Facebooks AI Research (FAIR)发表的一个语音识别模型，具体的论文可以在这里看到 paper。

第二代Wav2Letter的论文 paper。 使用了Gated Convnets代替了普通的Convnets。

与论文的区别

• 使用了 CTC Loss
• 使用了 Greedy Decoder

Getting Started

Requirements

pip install -r requirements.txt

Data

使用 Google Speech Command Dataset. 这是一个包含许多1秒钟音频文件的轻量级数据集。

download data

将文件下载并解压到 ./speech_data/speech_commands_v0.01/ 文件夹下。

Prepare data

python Wav2Letter/data.py

data.py 文件会对解压好的数据进行预处理，生成模型训练所需要数据和标签，保存成 ./speech_data 里的x.npy ， y.npy ，x_length.npy

Train

python train.py --batch_size=256 --epochs=20

训练过程中会显示训练集的LOSS，每个epoch会显示测试集的loss并且使用测试集的第一个样本进行输出测试。