Chuhan Shao·Dec 2, 2019LibriSpeech 中的音频对齐大多数语音模型训练过程都期望训练数据能被分成相对较短的话语 (utterances),通常是长度为数十秒的音频片段,每一段都有对应的文本标注。 因此,我们要将音频片段与相应的文本对齐 (alignment),并把它们分成较短的片段…