写文章
- @zhengjhzuishuai
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
常见的三大声学模型 CNN+CTC（端到端）、HMM+GMM（传统） 和 DNN-HMM（深度学习）
HMM+GMM：适合简单的语音识别任务，对计算资源要求低，但性能有限。DNN-HMM：适合大词汇量连续语音识别任务，性能优于HMM+GMM，但需要更多数据和计算资源。CNN+CTC：适合端到端的语音识别任务，性能优异，但对数据和计算资源要求高。根据具体任务和资源情况，可以选择合适的模型。
树莓派架构详解与操作
2.0 GHz 就像厨师每秒炒2盘菜，3.5 GHz 每秒炒3.5盘。数字越大，动作越快。架构（Cortex-A78、A55 这些）——厨师的“段位”拍照识别人脸、语音助手全靠它，虽然不是厨师，但帮忙省时间。数字越小，厨房越先进，发热低、耗电少，手机不烫手。缓存越大，厨师拿调料越快，不用来回跑仓库（内存）。：把设备的画面和声音传到电视、显示器、投影仪。制程（5 nm、7 nm）——厨房干净又省电。
常见的三大声学模型 CNN+CTC（端到端）、HMM+GMM（传统） 和 DNN-HMM（深度学习）
HMM+GMM：适合简单的语音识别任务，对计算资源要求低，但性能有限。DNN-HMM：适合大词汇量连续语音识别任务，性能优于HMM+GMM，但需要更多数据和计算资源。CNN+CTC：适合端到端的语音识别任务，性能优异，但对数据和计算资源要求高。根据具体任务和资源情况，可以选择合适的模型。
到底了