2016年1月13日 (三) 06:30 Yanglibo

2016-01-13T06:30:10Z

Yanglibo：以“==数据== 第三季度目标 ===语音数据=== 16K 灵云数据 10000小时实际语料的标注目标，已立项400小时的标注；语料从1000小时中...”为内容创建页面

2016-01-13T05:44:48Z

以“==数据== *第三季度目标 ===语音数据=== *16K 灵云数据 10000小时实际语料的标注目标，已立项400小时的标注；语料从1000小时中...”为内容创建页面

新页面

==数据==
*第三季度目标
===语音数据===

*16K 灵云数据
10000小时实际语料的标注目标，已立项400小时的标注；
语料从1000小时中，通过ASR打分，取出中间的400小时；

*粤语标注了一个测试集，增量9小时，CER：54%；30h,50%
60h trained. no tag text to lm, CER 45%
discard english text;

*维语
已完成120小时；last train 50h;
16K标注，灵云，180小时，收集验收；

===大模型===
1）16K10000小时的跑一个DNN训练，加深加宽：7层2400x10000 rectifier 保留英文
数据已处理完，提参数中；DNN 92上跑；
pdf：10000 8000中文 2000英文
训练第七轮；cer9.20； 900mdl/3500

拷贝一份，启动8个job；
原来的继续；进行MPE；
生成lattice，还没有开始跑；

MPE的训练:

生成lattice

2）8K 领域模型，领域通用：设备 7层TDNN2048x10000,含有英文信道、口音
华为V3信道压缩：4000小时，GMM
分成了100份
识别率下降：下降1-2个点；网络结构增大；
MPE今天跑起来一个；用Context有问题的脚本先跑起来；

生成lattice已完成；
aliment，MPE中间会输出模型，测试识别率；6台机器；
4天一个Model；

MPE训练
-------------------------------------------------------------------------------------------------------------------------
AM / test | test_JS | test_Shanxi | test_Shaanxi | test_Unknown | test_BJYD | test_huaweiFuCe |
-------------------------------------------------------------------------------------------------------------------------
Baseline_xEnt | 19.90 | 26.90 | 25.43 | 24.13 | 26.89 | 16.15 |
Baseline_MPE | 18.39 | 23.97 | 22.82 | 21.35 | 24.53 | 14.22 |
-------------------------------------------------------------------------------------------------------------------------
nnet3_4*1200 | 22.44 | 28.31 | 26.59 | 25.10 | 26.57 | 18.93 |
-------------------------------------------------------------------------------------------------------------------------
nnet3_7*2048 | 20.06 | 24.86 | 23.08 | 21.33 | 22.40 | 14.61 |
-------------------------------------------------------------------------------------------------------------------------
nnet3_7*2048_mpe1 | 16.84 | 21.68 | 20.43 | 20.33 | 21.85 | 13.37 |
nnet3_7*2048_mpe5 | 16.67 | 21.65 | 20.52 | 19.94 | 21.77 | 12.66 |
nnet3_7*2048_mpe12| 17.75 | 23.79 | 22.06 | 20.18 | 25.16 | 12.77 |
-------------------------------------------------------------------------------------------------------------------------

===嵌入式===
DarkKnowledge训练；小网络学习大网络，学的会更准，目标函数会更平滑一些；
rectifier
4层600*800
DarkKnowledge先不训练。
10000从头训练，nnet3 rectifier 4层600*800

小模型测试，cer20+；
bigLM的生成还有问题！

深度的影响更大，宽度相对较小；
sigmod，改为rectifier

MPE Contect(6)跑一个；xEnt Contect(-3 -2 -1 0 1 2 3)+MPE；
Darkknowledge一个；4*600*800 Nnet3的训练脚本；
5*600*800加深一层跑一个；

生成lattice，训练MPE，转格式专用空间太大，修改脚本，降低存储空间；
变差：从27变为30；
分100分，内部random；

MPE重新训练：
global shuffle：重新分组；
external lattice，加速，为MPE准备
每天晚上之前跑起来；

解码效率：
NNet3的产品化

===TagModel===
*加重path或词边：组合词，lm中加重；晓明、小韩
Path加重，修改fst；
测试加重“xx导演的巩俐演的”；
Word Vector：分堆加词表的15万；

*识别后处理
已知道这个词错了，可以处理。不知时，还需要处理？

人名识别不好，lm，人名的单字path加重？？？

===勤威项目===
*发布了一个模型：数据62H台湾POI，在6776MPE3上增量；词表量250多万，识别不好；
省市路，分词，句式：tag的方法来做。晓明
需要测试集，数据中心14日标完。

===语音自适应===
针对个人的
能提高2~3%(基数CER约10%)
客户端提取ivector，传给服务器；

===RNN===
LSTM不稳定，和End-to-End Merge，

*End-to-End算法，描述上下文不强，将stat去掉；
100小时验证和预期的差不多，但是大数据和大的LM上，还需要验证。
CTC Kaldi版本，并行的算法完成，在1400h上跑并行。
小汤，目前已超过DNN，MPE：NET3已跑起来。
LSTM

训练数据的并行读取问题？Hadoop？分布式磁盘？特征+lattice

96，实验室；92 8核GPU 16K，215 8K；

==粤语16K==
===声学模型===
已训练完成 130H
===语言模型===
下载语料，训练模型，PPL：1000+
16K模型：字错误率21.78

==粤语8K==
69小时的（CER28%） FreeTalk
90小时的（CER27.5%）质检
之前测试集有问题
字面和英文加入，测试集有，训练现在没有；
粤语只训练最后一层；90小时单独训练模型的最后一层加到1400的最后一层；
LM差的比较远；
英文单词还没有加（英文的标音：用粤语的音素标）；
粤英文的模型，需要训练；

==维语8K==
===声学模型===
已训练35小时；借用梦原的模型；用16K的lm Model，WER：30%左右；
===语言模型===
和新疆大学调试：公司Word；实验室
35H标注文本数据已提供实验室处理；
toolkit做完了，维语句子转成monphone串；

发布了一个维语模型，需要识别标注语料，发布的是word模型：
model_35h_20150828 CER:0.419693683925

导出64小时，声学和语言模型进行优化。

==声纹识别==
* 数字串模型训练正在采集数字串语音数据，预期本月内完成；
* 聚类分类算法基于Affinity距离的算法研究
* D-Vector
* 短语音的识别：

数字模型：单独训练，ivector和plda需要用数字需要训练。
之前录得语料，独立人只有100人；
16K的找到一个1200人的数据，从中挑选；
8K的采购；但是音量小，是否会有影响?

8个Phone和1个Tele的录音模型已训练完，尚未测试完成；
<pre>
测试集 iv200_digital_8p1t_vox_8k_new_model iv200_digital_mobile_tele_vox_8k
20_people_same_device1 1.28205%, at threshold 0.541794 1.28205%, at threshold 0.468932
20_people_same_device2 1.25%, at threshold 0.564912 0%, at threshold 0.561153
20_people_same_device3 2.5%, at threshold 0.562019 1.25%, at threshold 0.565247
20_people_same_device4 1.25%, at threshold 0.632257 1.25%, at threshold 0.67539
20_people_diff_device 11.5044%, at threshold 0.412102 15.0442%, at threshold 0.191909
</pre>

手机和固定电话，需要分开测试；
ubm256，需要加大；
组织一下数据，跑D-vector实验；

考勤系统，mic指定；
定制背景模型；

加入情绪，场景的分析，分类的分析；

将测试数据加入训练，看是否有提高？

使用条件的问题：
音量的影响？
背景噪音：如大厅中，人声噪杂的影响？

信道适应？
端点检测
Mic信道
背景噪音

端点检测，信噪比计算；
发音方式：坐着、站着

PLDA adaptation

@@ 第1行： / 第1行： @@
 ==数据==
 *16K 灵云数据
@@ 第28行： / 第26行： @@
 生成lattice
@@ 第40行： / 第40行： @@
 天一个Model；
-MPE训练
+e-5，发散；比基本的高2个点；
--------------------------------------------------------------------------------------------------------------------------
+e-6，重新训练；
-  AM / test       |   test_JS   |  test_Shanxi  |  test_Shaanxi  |  test_Unknown  |  test_BJYD  |  test_huaweiFuCe  |
+    可以递减，保证训练最好的出来。要该模型中的；
--------------------------------------------------------------------------------------------------------------------------
-Baseline_xEnt     |    19.90    |     26.90     |      25.43     |      24.13     |    26.89    |       16.15       |
+    使用最好的模型，测试一下平安的用户测试；
-Baseline_MPE      |    18.39    |     23.97     |      22.82     |      21.35     |    24.53    |       14.22       |
--------------------------------------------------------------------------------------------------------------------------
-nnet3_4*1200      |    22.44    |     28.31     |      26.59     |      25.10     |    26.57    |       18.93       |
--------------------------------------------------------------------------------------------------------------------------
-nnet3_7*2048      |    20.06    |     24.86     |      23.08     |      21.33     |    22.40    |       14.61       |
--------------------------------------------------------------------------------------------------------------------------
-nnet3_7*2048_mpe1 |    16.84    |     21.68     |      20.43     |      20.33     |    21.85    |       13.37       |
-nnet3_7*2048_mpe5 |    16.67    |     21.65     |      20.52     |      19.94     |    21.77    |       12.66       |
-nnet3_7*2048_mpe12|    17.75    |     23.79     |      22.06     |      20.18     |    25.16    |       12.77       |
--------------------------------------------------------------------------------------------------------------------------
 ===嵌入式===
@@ 第81行： / 第71行： @@
     external lattice，加速，为MPE准备
     每天晚上之前跑起来；
     解码效率：
@@ 第88行： / 第81行： @@
 *加重path或词边：组合词，lm中加重；                             晓明、小韩
     Path加重，修改fst；
     测试加重“xx导演的巩俐演的”；
     Word Vector：分堆 加词表的15万；
@@ 第114行： / 第108行： @@
 小汤，目前已超过DNN，MPE：NET3已跑起来。
 LSTM

Sinovoice-2016-1-13 - 版本历史

2016年1月13日 (三) 06:30 Yanglibo

Yanglibo：以“==数据== *第三季度目标 ===语音数据=== *16K 灵云数据 10000小时实际语料的标注目标，已立项400小时的标注； 语料从1000小时中...”为内容创建页面

Yanglibo：以“==数据== 第三季度目标 ===语音数据=== 16K 灵云数据 10000小时实际语料的标注目标，已立项400小时的标注；语料从1000小时中...”为内容创建页面