矢量量化(VQ)技术 概述 基本原理 失真测度 矢量量化器的最佳码本设计 矢量量化技术的优化设计 动态时间规整(DTW)技术 一般来说，语音识别的方法有三种：基于声道模型和语音知识的方法、模板匹配的方法以及利用人工神经网络的方法。 语音学和声学的方法 该方法起步较早，在语音识别技术提出的开始，就有了这方面的研究，但由于其模型及语音知识过于复杂，现阶段没有达到实用的阶段。 神经网络的方法 基于ANN的语音识别系统通常由神经元、训练算法及网络结构等三大要素构成。由于基于神经网络的训练识别算法由于实现起来较复杂，目前仍只是处于实验室研究阶段。 模板匹配 作用是按照一定的准则求取待测语音特征参数和语音信息与模式库中相应模板之间的失真测度，最匹配的就是识别结果。 模板匹配的方法发展比较成熟，目前己达到了实用阶段。 常用的技术有三种: 矢量量化(VQ)技术 动态时间规整(DTW)

vq-vae-2-pytorch在PyTorch中使用VQ-VAE-2生成各种高保真图像的实现必需的Python> = 3.6 PyTorch> = 1.1 lmdb（用于存储提取的代码）VQ-VAE pretra vq-vae-2的检查点-pytorch在PyTorch更新2020-06-01中使用VQ-VAE-2生成各种高保真图像的实现现在支持分布式训练。train_vqvae.py和vqvae.py现在支持分布式训练。 您可以对train_vqvae.py使用--n_gpu [NUM_GPUS]个参数在训练期间使用[NUM_GPUS]。 必需的Python> = 3.6 PyTorch> = 1.1 lmdb（用于存储提取的代码）在FFHQ上预先训练的VQ-VAE的检查点用法当前支持256px（顶部/底部优先级）Stage 1（VQ-VAE）python train_v

按照书上语音压缩的LBG矢量量化基本算法实现的C代码，希望对初学者有帮助，不过里面没有空胞腔的处理，希望大家补充！！

变异量子因式分解 介绍 该存储库包含Eric R. Anschuetz，Jonathan P. Olson，AlánAspuru-Guzik，Yudong Cao的文章“可变量子因式”中提出的算法的实现。 它在上。 代码中的符号直接指的是本文中的符号。 我讲了这个项目，这可能是一个很好的介绍。 您可以找到它并且幻灯片在presentation.pdf文件的此存储库中。 由于QAOA是算法的重要组成部分，因此，如果您不熟悉它，您可能会发现很有帮助。 要求 该项目严重依赖pyquil和grove库。 不幸的是，在我开发该项目时，发行版中存在一些对该项目至关重要的错误。 因此，我从源代码安装了它们： pyquil，提交sha： f22a851d5803e0a6aa73b236c25d28a5fcdb0116 格罗夫，commit-sha： dc6bf6ec63e8c435fe52b1e

这是用于语音转换的VQ-VAE模型的实现。 到目前为止，结果还不如DeepMind令人印象深刻（您可以找到其结果）。 我的估计是语音质量为2-3，清晰度为3-4（按5阶平均意见得分）。 欢迎捐款。 当前结果 音频样本 经过50万步训练（约2天）后的结果： 来源1： （我们消息感到鼓舞） 目标1： 资料来源2： （谁是神秘议员？） 目标2： 资料来源3： （在阿伯丁亚历克斯·弗格森（Alex Ferguson）的下，这是可以做到的。 目标3： 资料来源4： （那是一个艰辛的时刻。） 目标4： 笔记： 格式：[发言人] _ [句子] 作者没有在上指定目标演讲者。 演讲者空间 VQ-VAE学习的扬声器空间的PCA-2D（Tensorboard屏幕截图）。 请注意，性别是自然分开的，如Deep Voice 2的图4所示。 有趣的是， p280的性别未在VCTK发布的Spea

基于VQ的语音识别程序-VQ.zip 本帖最后由 qiuzhiyun 于 2012-2-23 10:26 编辑 VQ.zip VQ 初学者请教高手，请您帮帮忙，万分感谢。这个程序怎么样该才能运行，求完整程序和运行结果。再次感谢...QQ联系方式：1978877190

Matlab平台基于VQ的语者识别系统 实现程序及程序详细说明

VQMT视频质量测评工具

资源来自pypi官网。 资源全名：vquesrs-0.0.3.tar.gz

基于MATLAB完成的说话人识别的完整代码，注释详细，程序可运行，内附readme文件，详细解释了如何运行。