TensorFlow 语音实战
📘 30章 · 从入门到项目
v2.0
01
语音技术概述
发展历程 · 应用场景 · Kaldi vs DeepSpeech vs TF
02
环境搭建
TF2.x · CUDA/cuDNN · Librosa · SoundFile
03
音频信号基础
采样率 · 傅里叶 · 梅尔谱 · MFCC原理
04
Librosa实战
音频加载 · 时频分析 · MFCC · 数据增强
05
数据预处理流水线
批量读取 · 静音切除 · 归一化 · TFRecord
06
序列到序列模型基础
RNN · LSTM · GRU · 注意力机制入门
07
CTC损失函数
CTC原理 · 前向后向 · 贪心/束搜索解码
08
DeepSpeech2模型
百度架构 · 卷积+BiGRU · TensorFlow实现
09
LAS模型
Listen-Attend-Spell · Pyramidal Bi-LSTM · Teacher Forcing
10
Transformer在ASR中
自注意力 · 位置编码 · 编码器-解码器 · Mask
11
Conformer模型
卷积增强Transformer · 相对位置编码 · Macaron FF
12
端到端ASR实战 (小规模)
LibriSpeech子集 · 数据加载 · 训练监控
13
模型评估与优化
CER/WER · 混淆矩阵 · 超参数调优
14
语言模型融合
N-gram · 外部LM解码 · Shallow/Deep Fusion
15
模型部署与推理优化
TFLite · 量化 · ONNX · 边缘部署
16
语音合成概述
TTS发展史 · Tacotron · FastSpeech · VITS
17
文本前端处理
中文分词 · 音素转换 · 韵律预测 · SSML
18
Tacotron2模型
编码器-解码器 · Location-sensitive Attention · CBHG
19
声码器基础
Griffin-Lim · WaveNet · Parallel WaveGAN · HiFi-GAN
20
FastSpeech模型
非自回归 · Duration Predictor · Length Regulator
21
FastSpeech2模型
方差适配器 · 能量/音高预测 · 稳定训练
22
VITS模型
变分推理 · Flow解码器 · 对抗训练 · 隐变量
23
多说话人TTS
说话人嵌入 · 自适应微调 · GE2E编码器
24
情感与风格控制
全局风格令牌 · 情感嵌入 · 韵律控制
25
语音合成实战 (中文)
BZNSYP · 文本转音素 · Tacotron2 + HiFi-GAN
26
语音合成评估
MOS · MCD · F0 RMSE · AB测试
27
语音转换 (Voice Conversion)
CycleGAN-VC · StarGAN-VC · kNN-VC · Any-to-Any
28
语音分离与增强
Spectral Masking · Deep Clustering · Conv-TasNet
29
说话人识别
x-vector · ECAPA-TDNN · 声纹识别 · 说话人日志
30
综合项目实战
智能语音助手 · 唤醒+ASR+NLU+TTS · 部署监控