手机可以说是现在人日常生活中最离不开的电子设备了。它自诞生以来，从模拟的发展到数字的，从1G发展到目前的4G以及不久将来的5G，从最初的只有唯一的功能（打电话）发展到目前的全功能，从功能机（feature phone）发展到智能机（smart phone），可谓变化巨大。对于手机上的音频来说，刚开始只有语音通信功能，现在不仅语音通信，还可以听音乐、录音、智能语音（语音输入/语音交互）等。智能手机中

1. 语音编码分类（1）波形编码: 以逼近声音波形为目标，其代表算法有G.711,其声音清楚度好，语音的自然度高，但是压缩效率比较差，常在32kbps以上。（2）参数编码: 将人的声道抽象成一个发声模型，对这个模型的参数进行编码，其特点是压缩效率高，但是自然度比较差，能够以极低速率进行编码。（3）波形参数混合编码: 结合了波形编码和参数编码的优点，代表算法有G.723, G.729等，能够在4-1

转自：算法的嵌入式移植（一）C代码优化 – Deep Studio一般C/C++的算法代码不适合直接移植到嵌入式设备，需要做一些优化和处理。一方面是出于速度考虑，另一方面是针对嵌入式设备支持的语言特性差异进行修改，还有就是硬件上的考虑，比如就定点DSP而言，就需要将原来的浮点运算进行转化。近期博主在整理以往笔记，就将算法嵌入式移植这部分差分成两个章节，一是C代码优化部分，二是DSP代码移植部分，第

开始训练之前先要做些什么？在开始调参之前，需要确定方向，所谓方向就是确定了之后，在调参过程中不再更改1、根据任务需求，结合数据，确定网络结构。例如对于RNN而言，你的数据是变长还是非变长；输入输出对应关系是many2one还是many2many等等，更多结构参考如下非RNN的普通过程，从固定尺寸的输入到固定尺寸的输出（比如图像分类）输出是序列（例如图像标注：输入是一张图像，...

1、epochKeras官方文档中给出的解释是：“简单说，epochs指的就是训练过程接中数据将被“轮”多少次”（1）释义：训练过程中当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一个epoch，网络会在每个epoch结束时报告关于模型学习进度的调试信息。（2）为什么要训练多个epoch，即数据要被“轮”多次在神经网络中传递完整的数据集一次是不够的，对于有限的...

这个问题在Android上是个难点。Android在诞生之初对声音的播放和录音延时并没有非常严格的要求。手机厂商之前也都不在意延时指标，这几年才慢慢有改观。Android最近几年的新版本也一直在逐步改善延时问题，不过各大手机厂有多重视就不得而知了。部分K歌软件为了减少延时，也费了不少精力，使用各种越过中间层的方法，直接使用底层音频接口。就目前的现状来说，手机上用的Linux内核并非实时系统，只依赖

Step 1下载 HTK 和 HTK – samples 两个压缩文件，保存至D盘根目录下新建的HTK文件夹。下载地址：http://htk.eng.cam.ac.uk/download.shtml我下载的版本：3.4.1遇到问题：（1）HTK官方网站需要先注册（2）（chrome浏览器）注册后下载速度为0。解决办法：点“取消下载”，再点“重新下载”。Step 2观察下载的文件夹里都有些什么：在解

https://segmentfault.com/a/1190000014230303摘要： 还在发愁找不到数据集训练你的模型？快来收藏一下史上最全的深度学习数据集汇总吧，有它在，一切都ok~介绍深度学习的关键是训练。无论是从图像处理到语音识别，每个问题都有其独特的细微差别和方法。但是，你可以从哪里获得这些数据？现在你看到的很多研究论文都使用专有数据集，而这些数据集通常不会向公众发布...

之前做过的GMM-HMM孤立词识别，现在整理一下。这里我们把输入的语音当做语音识别中的一个音素来建模，假定建模的HMM状态链是7状态的，因此，孤立词识别就是只用到了声学模型部分，没有涉及语言模型这些。1、将输入的一段语音进行分帧，对每帧计算MFCC特征，得到一组特征向量。比如（99*39 99帧，特征维度为33）.2、用无监督方法EM对特帧向量进行训练，得到5个GMM模型的参数（...

一、数据回放      /*This example reads standard from input and writesto the default PCM device for 5 seconds of data.*/ /* Use the newer ALSA API */#define ALSA_PCM_NEW_HW_PARAMS_API #include <...