【16445】-唐宇迪 语音识别实战系列
01seq2seq序列网络模型
01序列网络模型概述分析_ev.mp4
02工作原理概述ev.mp4
03注意力机制的作用ev.mp4
04加入attention的序列模型整体架构_ev.mp4
05 TeacherForcing的作用与l练策略ev.mp4
O6额外补充-RNN网络模阿型解读_ev.mp4
02LAS模型语音识别实战
01数据源与环境配置ev.mp4
02语料表制作方法_ev.mp4
03制作json标注数据_ev.mp4
04声音数据处理模块解读_ev.mp4
05Pack与Pad操作解析_ev.mp4
06编码器模块整体流程ev.mp4
07加入注意力机制_ev.mp4
08计算得到每个输出的attention得分_ev.mp4
09解码器与训练过程演示_ev.mp4
03 starganvc2变声器论文原理解读
01论文整体思路与架构解读ev.mp4
02VCC2016输入数据_ev.mp4
03语音特征提取ev.mp4
04生成器模型架构分析_ev.mp4
05 InstanceNorm的作用解读_ev.mp4
06 AdaIn的目的与效果_ev.mp4
07判别器模块分析ev.mp4
04 staeganvc2变声器源码实战
01数据与项目文件解读_ev.mp4
02环境配置与工具包安装_ev.mp4
03数据预处理与声音特征提取_ev.mp4
04生成器构造模块解读ev.mp4
05下采样与上采样操作_ev.mp4
06 starganvc2版本标签输入分析_ev.mp4
07生成器前向传播维度变化_ev.mp4
08判别器模块解读ev.mp4
09论文损失函数_ev.mp4
10源码损失计算流程_ev.mp4
11测试模块-生成转换语音_ev.mp4
05语音分离ConvTasnet模型
01语音分离任务分析_ev.mp4
02经典语音分离模型概述ev.mp4
O3 DeepClusteringi论文解读_ev.mp4
04 TasNet编码器结构分析_ev.mp4
05DW卷积的作用与效果_ev.mp4
06基于Mask得到分离结果_ev.mp4
06 ConvTasneti语音分离实战
01数据准备与环境置ev.mp4
02训川练任务所需参数介绍_ev.mp4
03 DataLoader定义_ev.mp4
04采样数据特征编码_ev.mp4
05编码器特征提取ev.mp4
06构建更大的感受区域_ev.mp4
07解码得到分离后的语音ev.mp4
08测试模块所需参数ev.mp4
07语音合成tacotron最新版实战
01语音合成项目所需环境配置ev.mp4
02所需数据集介绍ev.mp4
03路径配置与整体流程解读ev.mp4
04 Dataloader构建数据与标签_ev.mp4
05编码层要完成的任务_ev.mp4
06得到编码特征向量ev.mp4
07解码器输入准备ev.mp4
08解码器流程梳理ev.mp4
09注意力机制应用方法ev.mp4
10得到加权的编码向量ev.mp4
11模型输出结果ev.mp4
12损失函数与预测_ev.mp4
配套资源