update daily 20170831

This commit is contained in:
nl8590687 2017-08-31 21:50:20 +08:00
parent 179225cd81
commit 740b65f884
4 changed files with 150 additions and 18 deletions

View File

@ -52,11 +52,14 @@ def get_wav_list(filename):
txt_text=txt_obj.read()
txt_lines=txt_text.split('\n') # 文本分割
dic_filelist={} # 初始化字典
list_wavmark=[] # 初始化wav列表
for i in txt_lines:
if(i!=''):
txt_l=i.split(' ')
dic_filelist[txt_l[0]]=txt_l[1]
return dic_filelist
dic_filelist[txt_l[0]]='wav/'+txt_l[1]
list_wavmark.append(txt_l[0])
txt_obj.close()
return dic_filelist,list_wavmark
def get_wav_symbol(filename):
'''
@ -67,11 +70,14 @@ def get_wav_symbol(filename):
txt_text=txt_obj.read()
txt_lines=txt_text.split('\n') # 文本分割
dic_symbol_list={} # 初始化字典
list_symbolmark=[] # 初始化symbol列表
for i in txt_lines:
if(i!=''):
txt_l=i.split(' ')
dic_symbol_list[txt_l[0]]=txt_l[1:]
return dic_symbol_list
list_symbolmark.append(txt_l[0])
txt_obj.close()
return dic_symbol_list,list_symbolmark
if(__name__=='__main__'):
#dic=get_wav_symbol('E:\\语音数据集\\doc\\doc\\trans\\train.syllable.txt')

19
log.md
View File

@ -1 +1,18 @@
# ASRT_SpeechRecognition 基于深度学习的语音识别系统 ## Introduction 这里是更新记录日志文件 如果有什么问题,团队内部需要在这里直接写出来 ## Log ### 2017-08-29 准备使用现有的包[python_speech_features](https://github.com/jameslyons/python_speech_features)来实现特征的提取,以及求一阶二阶差分。 ### 2017-08-28 开始准备制作语音信号处理方面的功能 ### 2017-08-22 准备使用Keras基于LSTM/CNN尝试实现
# ASRT_SpeechRecognition
基于深度学习的语音识别系统
## Introduction
这里是更新记录日志文件
如果有什么问题,团队内部需要在这里直接写出来
## Log
### 2017-08-31
数据处理部分的代码基本完成,现在准备撸模型
### 2017-08-29
准备使用现有的包[python_speech_features](https://github.com/jameslyons/python_speech_features)来实现特征的提取,以及求一阶二阶差分。
### 2017-08-28
开始准备制作语音信号处理方面的功能
### 2017-08-22
准备使用Keras基于LSTM/CNN尝试实现

15
main.py
View File

@ -40,23 +40,30 @@ class ModelSpeech(): # 语音模型类
_model.compile(optimizer="adam", loss='categorical_crossentropy',metrics=["accuracy"])
return _model
def TrainModel(self,datas,epoch = 2,save_step=5000,filename='model_speech/LSTM_CNN_model'):
def TrainModel(self,datapath,epoch = 2,save_step=1000,filename='model_speech/LSTM_CNN_model'):
'''
训练模型
参数
datapath: 数据保存的路径
epoch: 迭代轮数
save_step: 每多少步保存一次模型
filename: 默认保存文件名不含文件后缀名
'''
for epoch in range(epoch):
pass
pass
def LoadModel(self,filename='model_speech/LSTM_CNN_model'):
def LoadModel(self,filename='model_speech/LSTM_CNN_model.model'):
'''
加载模型参数
'''
self._model.load_weights(filename)
def SaveModel(self,filename='model_speech/LSTM_CNN_model'):
def SaveModel(self,filename='model_speech/LSTM_CNN_model',comment=''):
'''
保存模型参数
'''
self._model.save_weights(filename+'.model')
self._model.save_weights(filename+comment+'.model')
def TestModel(self):
'''

View File

@ -11,39 +11,141 @@ from python_speech_features import logfbank
#import scipy.io.wavfile as wav
class DataSpeech():
def __init__(self,path):
'''
初始化
参数
path数据存放位置根目录
'''
self.datapath = path; # 数据存放位置根目录
if('\\'!=self.datapath[-1]): # 在目录路径末尾增加斜杠
self.datapath=self.datapath+'\\'
self.dic_wavlist = {}
self.dic_symbollist = {}
self.list_symbol = self.GetSymbolList() # 全部汉语拼音符号列表
self.list_wavnum=[] # wav文件标记列表
self.list_symbolnum=[] # symbol标记列表
pass
def GetData(self,n):
def LoadDataList(self,type):
'''
读取数据返回神经网络输入值和输出值矩阵
加载用于计算的数据列表
参数
n第几个数据
type选取的数据集类型
train 训练集
dev 开发集
test 测试集
'''
pass
# 设定选取哪一项作为要使用的数据集
if(type=='train'):
filename_wavlist='doc\\doc\\list\\train.wav.lst'
filename_symbollist='doc\\doc\\trans\\train.syllable.txt'
elif(type=='dev'):
filename_wavlist='doc\\doc\\list\\cv.wav.lst'
filename_symbollist='doc\\doc\\trans\\cv.syllable.txt'
elif(type=='test'):
filename_wavlist='doc\\doc\\list\\test.wav.lst'
filename_symbollist='doc\\doc\\trans\\test.syllable.txt'
else:
filename_wavlist='' # 默认留空
filename_symbollist=''
# 读取数据列表wav文件列表和其对应的符号列表
self.dic_wavlist,self.list_wavnum = get_wav_list(self.datapath+filename_wavlist)
self.dic_symbollist,self.list_symbolnum = get_wav_symbol(self.datapath+filename_symbollist)
def GetDataNum(self):
'''
获取数据的数量
当wav数量和symbol数量一致的时候返回正确的值否则返回-1代表出错
'''
pass
if(len(self.dic_wavlist) == len(self.dic_symbollist)):
return len(self.dic_wavlist)
else:
return -1
def GetData(self,n_start,n_amount=1):
'''
读取数据返回神经网络输入值和输出值矩阵(可直接用于神经网络训练的那种)
参数
n_start从编号为n_start数据开始选取数据
n_amount选取的数据数量默认为1即一次一个wav文件
返回
三个包含wav特征矩阵的神经网络输入值和一个标定的类别矩阵神经网络输出值
'''
# 读取一个文件
filename = self.dic_wavlist[self.list_wavnum[n_start]]
filename=filename.replace('/','\\') # windows系统下需要添加这一行
wavsignal,fs=read_wav_data(self.datapath+filename)
# 获取输入特征
feat_mfcc=mfcc(wavsignal[0],fs)
feat_mfcc_d=delta(feat_mfcc,2)
feat_mfcc_dd=delta(feat_mfcc_d,2)
# 获取输出特征
list_symbol=self.dic_symbollist[self.list_symbolnum[n_start]]
feat_out=[]
for i in list_symbol:
if(''!=i):
n=self.SymbolToNum(i)
v=self.NumToVector(n)
feat_out.append(v)
# 返回值分别是mfcc特征向量的矩阵及其一阶差分和二阶差分矩阵以及对应的拼音符号矩阵
return feat_mfcc,feat_mfcc_d,feat_mfcc_dd,np.array(feat_out)
def GetSymbolList(self):
'''
加载拼音符号列表用于标记符号
返回一个列表list类型变量
'''
txt_obj=open(self.datapath+'dict.txt','r',encoding='UTF-8') # 打开文件并读入
txt_text=txt_obj.read()
txt_lines=txt_text.split('\n') # 文本分割
list_symbol=[] # 初始化符号列表
for i in txt_lines:
if(i!=''):
txt_l=i.split('\t')
list_symbol.append(txt_l[0])
txt_obj.close()
list_symbol.append(' ')
return list_symbol
def SymbolToNum(self,symbol):
'''
符号转为数字
'''
return self.list_symbol.index(symbol)
def NumToVector(self,num):
'''
数字转为对应的向量
'''
v_tmp=[]
for i in range(0,len(self.list_symbol)):
if(i==num):
v_tmp.append(1)
else:
v_tmp.append(0)
v=np.array([v_tmp])
return v
if(__name__=='__main__'):
wave_data, fs = read_wav_data("general_function\\A2_0.wav")
print(wave_data)
#wave_data, fs = read_wav_data("general_function\\A2_0.wav")
#print(wave_data)
#(fs,wave_data)=wav.read('E:\\国创项目工程\代码\\ASRT_SpeechRecognition\\general_function\\A2_0.wav')
wav_show(wave_data[0],fs)
#wav_show(wave_data[0],fs)
#mfcc_feat = mfcc(wave_data[0],fs) # 计算MFCC特征
#print(mfcc_feat[100:110,:])
#print(mfcc_feat[0:3,:])
#d_mfcc_feat_1 = delta(mfcc_feat, 2)
#print(d_mfcc_feat_1[0,:])
#d_mfcc_feat_2 = delta(d_mfcc_feat_1, 2)
#print(d_mfcc_feat_2[0,:])
#path='E:\\语音数据集'
#l=DataSpeech(path)
#l.LoadDataList('train')
#print(l.GetDataNum())
#print(l.GetData(0))
pass