candlewill

Here is the issue page for ANKI Deck "500+ Must Have Words for TOEFL and IELTS
Please feel free to leave your comment here.

candlewill

Some tips for using tf.data dataset

Pipelines:

1. Create a source dataset from input data
2. Apply dataset transformations
3. Iterate overt the dataset

Methods for create a dataset:

candlewill

语音合成（端到端方向）面试题

1. 语音合成的方法有参数合成、拼接合成、端到端合成等，请简单介绍一下各种方法（一两句话概况即可），并分析各自方法的优缺点。

2. 语音合成前端模块一般进行文本分析的工作，提取文本发音相关的特征，请描述一下前端模块需要包含哪些子模块，以及各个子模块常用的一些算法名称。

candlewill

# encoding: utf-8
import os, sys
import glob
import random

Usage = "Random select N files with specified suffix, and copy to the target folder\n" \
        ".py <source dir> <target dir> <suffix> <num files>"

os.system("export PYTHONIOENCODING=utf8")
os.system("export LC_ALL=en_US.UTF-8")

candlewill

# -*- coding: utf-8 -*-
"""JD_get_coupon.ipynb

Automatically generated by Colaboratory.

Original file is located at
    https://colab.research.google.com/drive/1m0QbL4UDq8mLtqSAY1A9nSTVSDxwVs17
"""

import requests

candlewill

Processor       : AArch64 Processor rev 4 (aarch64)
processor       : 0
BogoMIPS        : 38.40
Features        : fp asimd evtstrm aes pmull sha1 sha2 crc32
CPU implementer : 0x41
CPU architecture: 8
CPU variant     : 0x0
CPU part        : 0xd03
CPU revision    : 4

candlewill

import argparse
from collections import OrderedDict
import librosa
import numpy as np
import os


class Segment:
  def __init__(self, start, end):
    self.start = start

candlewill

Kaldi nnet3 教程: nnet3中的数据类型

引言

nnet3目标是支持更加通用的网络结构。希望通过简单的配置文件，就可以构造出复杂的网络结构（LSTMs、RNNs）。和nnnet2一样，nnet3支持多机多GPU训练。

nnet3中的数据类型

目标与背景介绍

candlewill

# -*- coding: utf-8 -*-
"""Example Google style docstrings.

This module demonstrates documentation as specified by the `Google Python
Style Guide`_. Docstrings may extend over multiple lines. Sections are created
with a section header and a colon followed by a block of indented text.

Example:
    Examples can be given using either the ``Example`` or ``Examples``
    sections. Sections support any reStructuredText formatting, including

candlewill

深度学习于语音合成研究综述

本文综述近年来深度学习用于语音合成的一些方法。

WaveNet

在自回归生成模型在图像和文本领域广泛应用的时候，WaveNet [4] 尝试将这些思想应用于语音领域。仿照PixelRNN (van den Oord et al., 2016)图像生成的做法， WaveNet依据之前采样点来生成下一个采样点。生成下一个采样点的模型为CNN结构。为了生成指定说话人的声音，以及生成指定文本的声音，引入了全局条件和局部条件，来控制合成内容。为了扩大感受野，带洞卷积，使filter的按照指数扩张。

WaveNet存在的问题是，1） 每次预测一个采样点，速度太慢；2）如果用于TTS，那初始采样点选择将会很重要；3）以及需要文本前端的支持，前端分析出错，将直接影响合成效果。