基于seq2seq的字形到音素模块
g2p-seq2seq的Python项目详细描述
[！[构建状态]（https://travis-ci.org/cmusphinx/g2p-seq2seq.svg？branch=master）（https://travis ci.org/cmusphinx/g2p-seq2seq）
lstm
序列到序列模型已成功地应用于各种任务中，
包括机器翻译[1]和图形到音素[2]。
此实现基于python
[tensorflow]（https://www.tensorflow.org/tutorials/seq2seq/），
它允许有效的训练在CPU和GPU上。
请参阅安装
[指南]（https://www.tensorflow.org/install/）
了解tensorflow的安装详细信息。
您可以使用以下命令安装tensorflow：
`````
sudo pip install tensorflow gpu
````
运行：
```
sudo pip install tensor2tensor
```
g2p seq2seq包本身使用setuptools，所以您可以遵循标准的安装过程：
```
sudo python setup.py install
````
如果需要，可以使用"setup.py"选项）。您需要确保在"path"中包含此文件夹，以便可以从命令行运行此脚本。
网站]（https://sourceforge.net/projects/cmusphinx/files/g2p%20models/g2p-seq2seq-cmudict.tar.gz/download）。
下载后解压缩模型。该模型在[CMU英语词典]（http://github.com/cmusphenx/cmudict）上进行了培训
````
wget-o g2p-seq2seq-cmudict.tar.gz https://sourceforge.net/projects/cmusphenx/files/g2p%20models/g2p-seq2seq-cmudict.tar.gz/download
tar xf g2p-seq2seq-cmudict.tar.gz
```
检查工具工作方式的最简单方法是在交互模式下运行它并键入单词
````
$g2p-seq2seq--interactive--mode l_dir model_folder_path
…
>；hello
…
info:tensorflow:hh eh l ow
…
>；
```
要使用经过训练的模型生成英语单词列表的发音，请运行
````
g2p-seq2seq--解码单词列表--model\u dir model\u folder路径[--输出解码输出文件路径]
````
希望列出解码的前n个变体，设置返回光束标志并指定光束大小：
````
g2p-seq2seq--解码您的光束列表--model\u dir model\u folder\u path--返回光束--光束大小号返回光束[--输出解码输出文件路径]
````
训练过的模特，运行
```
g2p-seq2seq--evaluate your_test_dictionary--model_dir model_folder_path
```
test dictionary应该是标准格式的字典：
hello hh eh l ow
bye b ay
如果我们认为只有当解码后的光束与单词的基本真实发音不匹配时，单词解码才是错误的。
字典]（http://github.com/cmusphenx/cmudict）
````
g2p-seq2seq--train-train-dictionary.dic--model-dir-model-folder-path
`````
您可以设置最大训练步骤：
`````
--max-steps--最大训练步骤数（默认值：0）。
未观察到任何改善
```
使用以下参数：
```
"--size"-每个模型层的大小（默认值：64）。
我们观察到256个单元的效果更好，但训练变得更慢
"--num_layers"-模型中的层数（默认值：2）。
例如，如果序列集不够大，您可以尝试1，
或3，以希望获得更好的结果（默认值：0.5）
"--attention撸dropout"-注意层中退出单元的比例（默认值：0.5）
"--num撸heads"-多注意机制中应用的头数（默认值：2）
````
数据集：
``
"-有效"-开发字典（默认：从train_dictionary.dic创建）
"-测试"-测试字典（默认：从train_dictionary.dic创建）
```
模型：
``
g2p-seq2seq--train-train-dictionary.dic--model-dir-model-folder-path可能很重要。因此，seq2seq模型应用屈曲技术来考虑这些问题。另一方面，将初始数据分割成太多的存储桶可能会使最终结果更糟。因为在这种情况下，每个特定的bucket中没有足够数量的示例。为了得到更好的结果，您可以调整以下三个参数来更改存储桶的数量和大小：
```
"--min_length_bucket"-最小存储桶的大小（默认值：5）
"--max_length"-发音中单词的最大可能长度或最大音素数（默认值：40）
"--length_bucket_step"-控制数据中长度存储桶数的乘数。桶的最大长度为从最小桶长到最大桶长，按桶步数（默认值：2.0）
````
在50个时期内，在CMU字典上训练模型：
```
--max掼epochs 50
```
%| WER（[cmudict latest\*]（https://github.com/cmusphinx/cmudict）），%
--------
基线WFST（phonetisaurus）24.4 33.89
变压器层数=2，大小=256 22.2 ~31
\*这些结果是为字典指出的，没有压力。
\利用Tensor2Sensor图书馆加速深度学习研究。"谷歌研究博客，2017年。
[2]Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Liion Jones、Aidan N.Gomez、Lucasz Kaiser和Illia Polosukhin。你所需要的就是全神贯注。"
arxiv预印本
arxiv:1706.037622017。
lstm
序列到序列模型已成功地应用于各种任务中，
包括机器翻译[1]和图形到音素[2]。
此实现基于python
[tensorflow]（https://www.tensorflow.org/tutorials/seq2seq/），
它允许有效的训练在CPU和GPU上。
请参阅安装
[指南]（https://www.tensorflow.org/install/）
了解tensorflow的安装详细信息。
您可以使用以下命令安装tensorflow：
`````
sudo pip install tensorflow gpu
````
运行：
```
sudo pip install tensor2tensor
```
g2p seq2seq包本身使用setuptools，所以您可以遵循标准的安装过程：
```
sudo python setup.py install
````
如果需要，可以使用"setup.py"选项）。您需要确保在"path"中包含此文件夹，以便可以从命令行运行此脚本。
网站]（https://sourceforge.net/projects/cmusphinx/files/g2p%20models/g2p-seq2seq-cmudict.tar.gz/download）。
下载后解压缩模型。该模型在[CMU英语词典]（http://github.com/cmusphenx/cmudict）上进行了培训
````
wget-o g2p-seq2seq-cmudict.tar.gz https://sourceforge.net/projects/cmusphenx/files/g2p%20models/g2p-seq2seq-cmudict.tar.gz/download
tar xf g2p-seq2seq-cmudict.tar.gz
```
检查工具工作方式的最简单方法是在交互模式下运行它并键入单词
````
$g2p-seq2seq--interactive--mode l_dir model_folder_path
…
>；hello
…
info:tensorflow:hh eh l ow
…
>；
```
要使用经过训练的模型生成英语单词列表的发音，请运行
````
g2p-seq2seq--解码单词列表--model\u dir model\u folder路径[--输出解码输出文件路径]
````
希望列出解码的前n个变体，设置返回光束标志并指定光束大小：
````
g2p-seq2seq--解码您的光束列表--model\u dir model\u folder\u path--返回光束--光束大小号返回光束[--输出解码输出文件路径]
````
训练过的模特，运行
```
g2p-seq2seq--evaluate your_test_dictionary--model_dir model_folder_path
```
test dictionary应该是标准格式的字典：
hello hh eh l ow
bye b ay
如果我们认为只有当解码后的光束与单词的基本真实发音不匹配时，单词解码才是错误的。
字典]（http://github.com/cmusphenx/cmudict）
````
g2p-seq2seq--train-train-dictionary.dic--model-dir-model-folder-path
`````
您可以设置最大训练步骤：
`````
--max-steps--最大训练步骤数（默认值：0）。
未观察到任何改善
```
使用以下参数：
```
"--size"-每个模型层的大小（默认值：64）。
我们观察到256个单元的效果更好，但训练变得更慢
"--num_layers"-模型中的层数（默认值：2）。
例如，如果序列集不够大，您可以尝试1，
或3，以希望获得更好的结果（默认值：0.5）
"--attention撸dropout"-注意层中退出单元的比例（默认值：0.5）
"--num撸heads"-多注意机制中应用的头数（默认值：2）
````
数据集：
``
"-有效"-开发字典（默认：从train_dictionary.dic创建）
"-测试"-测试字典（默认：从train_dictionary.dic创建）
```
模型：
``
g2p-seq2seq--train-train-dictionary.dic--model-dir-model-folder-path可能很重要。因此，seq2seq模型应用屈曲技术来考虑这些问题。另一方面，将初始数据分割成太多的存储桶可能会使最终结果更糟。因为在这种情况下，每个特定的bucket中没有足够数量的示例。为了得到更好的结果，您可以调整以下三个参数来更改存储桶的数量和大小：
```
"--min_length_bucket"-最小存储桶的大小（默认值：5）
"--max_length"-发音中单词的最大可能长度或最大音素数（默认值：40）
"--length_bucket_step"-控制数据中长度存储桶数的乘数。桶的最大长度为从最小桶长到最大桶长，按桶步数（默认值：2.0）
````
在50个时期内，在CMU字典上训练模型：
```
--max掼epochs 50
```
%| WER（[cmudict latest\*]（https://github.com/cmusphinx/cmudict）），%
--------
基线WFST（phonetisaurus）24.4 33.89
变压器层数=2，大小=256 22.2 ~31
\*这些结果是为字典指出的，没有压力。
\利用Tensor2Sensor图书馆加速深度学习研究。"谷歌研究博客，2017年。
[2]Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Liion Jones、Aidan N.Gomez、Lucasz Kaiser和Illia Polosukhin。你所需要的就是全神贯注。"
arxiv预印本
arxiv:1706.037622017。
欢迎加入QQ群-->： 979659372
