前言 本篇博客对TDNN网络结构的特性进行梳理，使读者了解设计所考虑的问题，关于其结构请参考博客Time-Delay Neural Network(TDNN)-上。博客基于对论文 Phoneme Recognition Using Time-Delay Neural Network 的阅读和理解，如有谬误，还望指出，不胜感激。 正文 语音识别的小伙伴都知道，语音识别通常要把一段不等场的语音切

前言 本篇博客仅对TDNN的网络结构进行简单梳理，使读者对TDNN的网络结构有一个清晰直观的印象。博客基于对论文 Phoneme Recognition Using Time-Delay Neural Network 的阅读和理解，如有谬误，还望指出，不胜感激。 正文 TDNN与1989年就已提出(在我出生之前)， 用于音素识别。以下部分将以论文中的结构做简单说明，网络结构如下图： 这是一

实现流程 ECAPA-TDNN由三部分组成： 1-Dimensional Squeeze-Excitation Res2Blocks 传统的x-vector的frame-layers只考虑了15帧的信息，而我们想要其考虑全局的信息，因此使用了 Squeeze-Excitation (SE) blocks首先是squeeze操作： 将每一帧 frame-level features按时间取平均，输

本次主要介绍开源项目wespeaker模型介绍 1. 模型超参数 model_args: feat_dim: 80 embed_dim: 192 pooling_func: “ASTP” projection_args: project_type: “softmax” # add_margin, arc_margin, sphere, softmax scale: 32.0 easy_marg

一、错误显示 kaldi训练aishell模型时遇到run.pl:job failed, log is in exp/nnet3/tdnn_sp/log/train.13.2.log,如下图所示： 打开日志文件exp/nnet3/tdnn_sp/log/train.13.2.log，如下图： 即： Failed to write matrix to stream error clos