Kaldi es un juego de herramientas para hablar con características de aprendizaje profundo específicamente diseñadas para el habla.
La antorcha es un juego de herramientas genérico de aprendizaje profundo.
Las características de Kaldi que son importantes para la implementación del reconocimiento de voz de aprendizaje profundo son: extracción de características con varios parámetros, decodificadores personalizados que incluyen decodificadores capaces de procesar el habla continua, características adaptativas de los altavoces como i-vectors, procedimiento de inicialización especializado, agrupación acústica especializada del estado para una acústica más precisa modelos, marco de prueba, marco de recuperación y evaluación, y muchos más.
- ¿Cuáles son las mejores bibliotecas de redes neuronales de Python y Java con soporte multi gpu y multiplataforma?
- ¿Cuáles son los principales avances en el procesamiento del lenguaje natural en 2015?
- ¿Cómo se elige una función de activación? He notado que las funciones más utilizadas se parecen, especialmente cerca de 0. ¿Tienen que ajustarse a algún comportamiento específico? ¿Es este un tema de investigación abierto? ¿Hace una gran diferencia en los resultados?
- ¿Cuáles son los prerrequisitos matemáticos para estudiar el aprendizaje automático?
- ¿Por qué asumiríamos que los datos son iid cuando no lo son?
No tienes nada de esto en Torch, tendrás que implementarlo tú mismo. O podrá construir un sistema muy básico.
A pesar de que los muchachos de aprendizaje profundo afirman que puedes entrenar un sistema de extremo a extremo sin ningún conocimiento sobre el habla, todavía no es el caso, Kaldi te permite construir un sistema más preciso y, lo que es más importante, más robusto con una menor cantidad de datos. El aprendizaje profundo de extremo a extremo solo tiene sentido con miles de horas de datos; de lo contrario, da resultados inferiores.
Te recomiendo que uses Kaldi para tus experimentos. Es de hecho un estándar en la investigación de reconocimiento de voz en estos días.