文件结构介绍 图中表示ESPNet的文件目录结构 在corpus-name下，任务文件夹enh1表示用于语音增强任务（单人增强，多人分离） conf表示模型训练和推理时用到的配置文件 local表示与该语音数据集相关的准备脚本 data表示在代码运行过程中产生的Kaldi格式的运行文件 dump表示对data目录中内容进行进一步处理后得到的数据文件 exp存放实验相关的文件 enh.sh模板脚本

问题 系统：Manjaro或Arch 桌面系统：Gnome（万恶之源） 描述：通过SSH连接到Manjaro上并开启tmux会话，每次在tmux detach后也认真tmux ls发现session保存才敢下线，但是发现ssh log out后所有的session都没有被保存下来。 其实是一个经历许久的问题，应该是遇到相同问题的人不太多，今天终于花时间找到了解决方案。 解决方案 原帖在这里，大家不

问题 SSH代理 如果不通过密码开启SSH代理就必须使用私钥，使用RSA私钥可以通过ssh连接服务器，但是在Surge设置后出现了ssh authorazition failed的情况，测试代理不通。 解决 结论放在前面：RSA密钥加密方式不对，更换到ed25519加密方式重新生成密钥 Surge的SSH代理相当于ssh -D命令，开启动态端口转发功能。 如果用的是dropbear这种非op

前言 多人共用服务器时经常遇到分配的账户无sudo权限、无法提权，但是经常需要安装软件。 通常来讲下载源码本地make然后install没有太多问题，不过由于很多软件开发者设置的路径问题会导致软件无法使用， 本文以ProxyChains为例进行整个过程，ProxyChains是一个全局代理工具，可以在需要的命令前加上proxychains4使得该命令按照设置通过代理访问。 注意这个工具只能代理TC

前情提要 顺便如果你还没撸过这个学生党羊毛：https://education.github.com/pack/offers 一共有三家域名商给提供这个羊毛，慢慢撸 前段时间想玩玩域名，于是趁着GitHub学生包还在赶紧撸两个免费的一年域名。简单的注册域名绑定在GitHub Pages上之后就没有再deploy到仓库上新的博文，只是在本地修改过，于是忘记了有这么一回事。 namecheap这家

Fine-tuned Bert for TextClassification 前言 文本分类也是NLP领域的传统任务，在Bert模型的加持下可以轻松达到较高的准确率，相比之前的NER任务从数据到模型上都要简单。 如果直接手写训练函数，可以在模型上调用huggingface的BertForSequenceClassification类，它是在BertModel的后面接上dropout和一层分类头，直

使用BERTopic提取文本主题 加载数据集 挂载Google Drive用于读取数据集，这里会要求登陆Google账号授权，每次都需要重新授权，建议一开始在colab中选好gpu分配资源。 12from google.colab import drivedrive.mount('/content/drive') 数据集来自外卖平台中文评论，数据集地址：https://raw.

前言 下篇主要介绍使用flask搭建简单的网页和响应，并实现调用模型推理，完成NER任务可视化。 增加bilstm+crf的模型确实在预测上更为准确，例子中的“崔永元真面”中可以准确分辨出"崔永元"才是人名，而mlp模型会将“崔永元真”作为一个人名🤣 项目工程的Github仓库地址为：https://github.com/Ash-one/ChineseBert-finetuned-NER

前言 项目工程地址：https://github.com/Ash-one/ChineseBert-finetuned-NER chatGPT的大火让很多NLP工作者的研究都陷入僵局，NER这种传统任务对于这种LLM已经可以说是小菜一碟。 NewBing进行ner 虽然没能力搞个GPT出来，搞个简单的Bert微调还是可以做到的。 本文对于NER命名实体识别任务，使用复旦大学的fastNLP

富有表现力的语音合成系统 Tacotron-GST 在Tacotron引入了全局风格标签（Global Style Token，GST）。模型包括reference encoder，style attention，style embedding Tacotron-GST模型结构 StyleToken-TTS 在数据集上增加风格标签，代表话语风格的短语或词，例如情感、意图和语调。由于风格是用自

VALL-E 模型 使用60k小时英语语音训练，使得模型出现上下文学习能力。只需要3秒特定录音，就可以学习到说话人的说话方式，甚至是背景音。 demo演示：https://valle-demo.github.io/ 模型总览 音频量化 Speech Quantization 对于常见的一秒音频，16位，48kHz，意味着需要每个step有\(2^{16}=65536\)个值，整个序列长度接近

链接：https://www.zhizhen.com/detail_38502727e7500f26ca5684ae8f3c3b6429bcb36a14c533e11921b0a3ea25510134114c969f2eae5c9837344477b6470412f90171de0b6360e6b1c5d917c82372d97823f6a9338067eed855d3fbe548a5?&