语音识别

• 如何使用 Riva ASR API 和开箱即用模型？
  • NVIDIA Riva 概述
  • 使用 Riva ASR API 进行转录
  • 深入了解 Riva 功能
• 为语音提示创建语法
  • 依赖项
  • 先决条件
  • 概述
  • 在 Python 中使用现有的语音提示语法
  • 处理字母序列的示例语法
• 如何使用词典映射自定义 Riva ASR 词汇和发音
  • 概述
  • 可以自定义什么？
  • 扩展词汇表
  • 使用词典映射自定义发音
  • 深入了解 Riva 功能
• 如何在 Riva 上部署使用 NeMo 训练的自定义语言模型 (n-gram)
  • NVIDIA Riva 概述
  • NeMo (神经模块) 和 nemo2riva
  • 先决条件
  • Riva ServiceMaker
  • 启动 Riva 服务器
  • 运行推理
• 如何在 Riva 上部署使用 NeMo 训练的自定义声学模型 (Citrinet)
  • NVIDIA Riva 概述
  • NeMo (神经模块) 和 nemo2riva
  • 先决条件
  • Riva ServiceMaker
  • 启动 Riva 服务器
  • 运行推理
• 如何在 Riva 上部署使用 NeMo 训练的自定义声学模型 (Conformer-CTC)
  • NVIDIA Riva 概述
  • NeMo (神经模块) 和 nemo2riva
  • 先决条件
  • Riva ServiceMaker
  • 启动 Riva 服务器
  • 运行推理
• 如何部署带有 WFST 解码器的 Conformer-CTC 声学模型
  • NVIDIA Riva 概述
  • NeMo (神经模块) 和 nemo2riva
  • 先决条件
  • Riva ServiceMaker
  • 启动 Riva 服务器
  • 运行推理
• 如何使用 NVIDIA NeMo 微调 Riva ASR 声学模型
  • NVIDIA Riva 概述
  • NeMo (神经模块)
  • 使用 NeMo 微调 ASR 模型
  • 更多资源
  • 下一步是什么？
• 如何使用适配器自定义 Riva ASR 声学模型 (Conformer-CTC)
  • NVIDIA Riva 概述
  • 神经模块 (NeMo)
• 带有适配器的 ASR
• 什么是适配器？
• 适配器训练的优势和局限性
• 为适配器训练准备声学编码器
• 为适配准备模型和数据集
• 创建和训练适配器
• 评估模型
• 将模型导出到 Riva
• 下一步是什么？
• 如何使用 NVIDIA NeMo 微调 Riva ASR 声学模型
  • NVIDIA Riva 概述
  • NeMo (神经模块)
  • 使用 NeMo 微调 ASR 模型
  • 更多资源
  • 下一步是什么？
• 如何提高特定词语的识别率
  • Riva 自定义技术概述
  • 1. 词语提升
  • 2. 自定义词汇表
  • 3. 自定义发音（词典映射）
  • 4. 重新训练语言模型
  • 5. 微调声学模型
• 结论
• 如何合成一个噪声数据集，用于训练噪声鲁棒的 ASR 模型
• 如何通过在 Riva ASR 管道中微调声学模型 (Conformer-CTC) 来提高噪声语音的准确性
  • NVIDIA Riva 概述
• 如何训练、评估和微调 n-gram 语言模型
  • n-gram 语言模型
  • 先决条件
  • 使用 KenLM 和 NeMo 训练和微调 LM
  • 下载评估数据集
  • 生成基础语言模型
  • 加载 ASR 模型
  • 微调和插值
• 如何将说话人分离与 Riva ASR 一起使用？
  • NVIDIA Riva 概述
  • 使用 Riva ASR API 进行说话人分离
• 要求和设置
  • 导入 Riva 客户端库
  • 创建 Riva 客户端并连接到 Riva Speech API 服务器
  • 深入了解 Riva 功能
• 如何在运行时使用词语提升来提升特定词语？
  • NVIDIA Riva 概述
  • 使用 Riva ASR API 进行词语提升
  • 深入了解 Riva 功能
• Riva 中基于类的 n-gram 语言模型支持 (WFST 解码器)
• WFST 解码
  • 在 WFST 框架中支持类语言模型
  • 创建 TLG.fst 支持词类 的过程
  • 评估
  • 在 Riva 中部署