“QSLocal-history”版本间的差异
来自cslt Wiki
Zhangshuai（讨论 | 贡献） |
|||
| （某位用户的一个中间修订版本未显示） | |||
| 第6行： | 第6行： | ||
|- | |- | ||
| || README || 时实更新的README文档，使用前请先认真阅读 || [https://gitlab.com/freeneb/app-vpr-local/blob/master/doc/README] | | || README || 时实更新的README文档，使用前请先认真阅读 || [https://gitlab.com/freeneb/app-vpr-local/blob/master/doc/README] | ||
| + | |- | ||
| + | |12.14||V4.2.1||更新log：在x-vector模型中，加入了nnet-vad，并把nnet模型压缩至int16。引擎更新到2.1.1 模型更新到2.1.4|| [[Image:VPR_V4.2.1.png|100px|VPR_V4.2.1]] | ||
|- | |- | ||
|12.05||V4.2.0||引擎更新到2.0.1 模型更新到2.1.1 支持x-vector || [[Image:VPR_V4.2.0.png|100px|VPR_V4.2.0]] | |12.05||V4.2.0||引擎更新到2.0.1 模型更新到2.1.1 支持x-vector || [[Image:VPR_V4.2.0.png|100px|VPR_V4.2.0]] | ||
2018年12月14日 (五) 02:00的最后版本
| FreeNeb Release List | |||
|---|---|---|---|
| Date | Version | note | QR Code |
| README | 时实更新的README文档，使用前请先认真阅读 | [1] | |
| 12.14 | V4.2.1 | 更新log：在x-vector模型中，加入了nnet-vad，并把nnet模型压缩至int16。引擎更新到2.1.1 模型更新到2.1.4 | 
|
| 12.05 | V4.2.0 | 引擎更新到2.0.1 模型更新到2.1.1 支持x-vector | 
|
| 11.20 | V4.1.2 | Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set. Add nnet-vad nnet_vad_threshold=-3 | 
|
| 10.08 | V4.1.1 | Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set. Add nnet-vad nnet_vad_threshold=-3 | 
|
| 9.30 | V4.1.0 | Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set. | 
|
| 9.25 | V3.11.0 | Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set. | 
|
| 8.5 | V3.10.0 | QSLocal 3.10 增加阿里训练数据、新vad模型 | 
|
| 7.6 | V3.8.5 | 使用VPR0.6版本引擎 | 
|
| 6.29 | V3.8.4 | 使用3.8模型+DNN Vad，VPR0.5版本引擎 | 
|
| 6.21 | V3.9.3 | 在3.9版模型基础上，加入了dnn-based vad | 
|
| 6.8 | V3.8.3 | 在V3.8.2增强版 基础上，fix data buffer bug | 
|
| 6.5 | V3.8.2增强版 | 在V3.8.2 基础上，去掉尾Null数据（梦原把这一feature移到了Android-dev），设置default abs threshold=17.0 | 
|
| 6.5 | V3.8.2 | 在V3.8.2 基础上，去掉语音前后的context padding |
|
| 6.4 | V3.8.1 | 在V3.8 model基础上，加入SVM VAD | 
|
| 6.4 | V3.9.1 | 在v3.9基础上，去掉语音前后的context padding | 
|
| 6.1 | V3.9 | 修改模型 训练数据：基于ali-phase2数据 在7500人的full-info模型上 进一步full-info得到的模型 | 
|
| 5.28 | V3.8 | 修改模型 训练数据：speech-ocean_datatang_7500_mix_clean_reverb_volume_noise；模型：ReLU 预先训练 3 个 epoches，然后用 full-info 自适应 200 个 iterations.修改最后传输数据为空值的bug | 
|
| 5.17 | V3.7 | 修复AudioRecord bug，将环形buffer改成线性。 | 
|
| 5.7 | V3.6 | 石颖大模型：reverbe+volume+noise+clean 总量为基本数据的3又三分之一倍 | 
|
| 4.27 | V3.5 | 小模型：仅添加noise 总量为基本数据的一半，人数不变 | 
|
| 4.24 | V3.4 | 修改bug | 
|
| 4.16 | V3.3 | 修改滚动样式 |
|
| 4.3 | V3.0 | 依时间认证版本 |
|
| 3.31 | v2.0 | 带反馈的认证版本 | 
|
| 3.25 | V1.0 | 盲认证版本 | 
|
