ASR online实现是工程实现必不可少的一环，可以随着用户实时语音流的输入及时返回识别结果，对于用户体验感非常重要。kaldi/wenet都支持全流程的online实现，主要包括online feature extractor、online model inference、online decoding。由于wenet借鉴了kaldi的不少实现思路和代码，所以本文以kaldi为主介绍...

　　TTS(Text-to-Speech)本质上是解决输入文本到输入语音的不定长映射问题。和ASR具有很大的相似性，但是又具有one-to-many技术特点而带来诸多难点。各位前辈的技术博客和各类论文都会对TTS技术原理和特点都有专业、详尽的描述，但是想起刚入门时面对众多技术路线，又不知从何下手的困境，觉得还是有必要沉淀一篇带有核心原理的方向性综合论述博文。本文给出不同时期TTS技术的基本特...

　　 Parallel text-to-speech with pitch prediction pitch在tts中的应用

　　本博客用于总结学习、工作中的一些技术，由于时间有限，公式和图片基本没有，之后可能会补上或有了新的感悟重新写一篇，虽然参照了不少论文和前辈博客，但是主要还是靠自己脱稿白话描述，所以用词严谨性不足，可能存在错误，同时虽然不少博文是总结性质的，但是视野受限，片面描述在所难免，但随着技术能力和写作能力提升，博文的阅读体验感也会更佳，曲折中前进。

　　内存管理一直是一个程序设计绕不开的一个话题，尤其是当存在性能瓶颈或内存泄漏时，一个合理的内存分配和释放策略尤为重要。由于之前使用HTK作为快速验证语音相关算法的软件原型时，出现过内存泄漏的问题，借此机会研究了一下HTK的内存设计方法。本文以HTK内存管理设计为例介绍内存管理三个层次的最上层设计应用案例。 1 内存管理的一些基本问题 1.1 内存管理三个层次 　　内存管理实现一般有三...

　　本文以faster-decoder和lattice-decoder两个解码器为实例分别介绍kaldi解码器的基本原理、设计思想和代码简析。首先介绍两种解码器的基本功能与产物，然后介绍基于viterbi朴素实现的解码器的局限性，并给出kaldi中faster-decoder的优化方法和解决方案。最后以lattice-decoder为例给出代码实现简析。 　　两种解码器原理基本一致，lat...