SageMaker_语音语言识别

简介：
Amazon SageMaker 语音语言识别服务助力开发者轻松构建、训练及部署高质量的语音转文本和自然语言处理模型，适用于多种应用场景。 本项目基于 Amazon Sagemaker 实现语音语言种类识别。 准备数据： 1. 每种语言的音频约需10个小时。 2. 音频应无噪音和背景音干扰。 3. 发音者性别多样，男女比例均衡为佳。 4. 单个音频文件时长应在10至20分钟之间。 5. 文件格式要求为mp3，单声道采样率设置为22050Hz。 6. 语言命名规范：使用语言代码_性别_音频名称的格式，例如 de_f_1233444422.mp3, 其中de表示德语，f代表女性发音者，m则代表男性发音者。 7. 不同的语言前缀如de、cn等分别对应不同的语种。 数据分为训练集和测试集，并可准备一定量的噪音数据作为辅助资料。 第一步：进行数据预处理 执行 1-processing 文件夹下的 processing.ipynb 脚本段落件 第二步：模型训练 进入2-training 进行操作。