基於tensorflow之開源資料庫作單詞語音識別。過程中使用Librosa與Keras操作。
於Jupyter Notobook環境下進行
來源 Tensorflow、SimpleSpeechRecognizer
該項開源資料庫是在Tenseoflow_Tutorials中的Simple Audio Recognition所提及。
並可供下載(Speech Commands dataset)。
其中從.wav音訊檔提取MFCC特徵是使用Librosa實現。
並存至.npy以供之後訓練。
這裡提取資料集其中的4項單詞作為分類目標{'zero'、'one'、'two'、'three'}。
在訓練前，有先對各項擷取前2個音檔出來作為手動驗證目標，存在testSample目錄下。
其餘的使用Scikit-Learn套件和Kersa作訓練/測試以完成模型。