python+keras汉字单字语音识别
一、两种思路
就当前学习所知，有两种语音识别的思路 1、将语音文件提取mfcc，即转为二维张量形式，然后进行dense全连接层叠层训练，当然这个也可以使用传统机器学习方法。 转为二维张量格式为： 2、将语音文件提取mfcc转为三维张量形式即频谱图，然后进行cnn卷积神经网络训练，看了几个资料，这个似乎准确率更高，但是比较麻烦 所以下文采取第一种方式进行尝试 频谱图形式为：
二、代码更新
2、代码有部分出现缺漏 报错 这个报错是由于num_class没有传递过来，导致label标签one-hot化不成功 打印num_class时发现num_class=0，应该为2的
data.remove(0)
dense层模型调控最优的结果为测试集上93%左右 设置为：
model = Sequential()
model.add(Dense(1024, activation=relu))
model.add(Dropout(0.2))
model.add(Dense(512, activation=relu))
model.add(Dense(256, activation=relu))
model.add(Dense(128, activation=relu))
三、汉字语音识别
1、数据集问题 数据集使用的是百度语音合成对3500个常用汉字进行合成的数据集，每个字大概8个不同发音人，之后进行数据增强。 数据增强主要是对波形、位移以及加噪等处理，可以参见大佬凌逆战：《音频数据增强及python实现》链接: .
2、跑的结果 三个数据集，每个数据集有32个音频文件，一共96个，训练集85个，测试集15个，三分类样本数据平均，测试集结果1.0。 3、问题 这里的问题在于数据增强暂时只是用的音量，所以测试集与训练集可能没有什么差异，导致了这个结果，后续加噪、波形拉长等等后准确率可能会迅速下降。
上一篇：
JS实现多线程数据分片下载