问题描述
- 我想使用
VGG16
(或VGG19
)进行语音聚类任务。 - 我阅读了一些建议使用
VGG
(16 或 19)来为聚类算法构建嵌入向量的文章。 - 该过程是将 wav 文件转换为
mfcc
或plot (Amp vs Time)
,并将其用作VGG
模型的输入。 - 我用
VGG19
(和weights='imagenet'
)试过了。 - 我得到了不好的结果,我认为这是因为我使用了错误的权重(图像的权重 (
VGG
))的imagenet
所以:
- 是否有针对 VGG 的音频/语音训练权重?
- 如果没有,是否还有其他经过训练的音频/语音模型?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)