Nhận dạng Chữ số qua Giọng nói với HMM

Tóm tắt

Đây là project mở rộng cho môn Học Máy, tập trung vào bài toán Nhận dạng Chữ số qua Giọng nói (Spoken Digit Recognition). Chúng mình đã thực hiện:

• EDA: Phân tích dữ liệu âm thanh qua dạng sóng, spectrogram, và các đặc trưng âm học cơ bản (ZCR, thời lượng).
• Feature Engineering: Trích xuất đặc trưng MFCC (Mel-Frequency Cepstral Coefficients) để biểu diễn tín hiệu tiếng nói một cách cô đọng.
• Mô hình:
  • Xây dựng Mô hình Markov Ẩn (HMM) from scratch, cài đặt các thuật toán cốt lõi (Forward, Viterbi, Baum-Welch).
  • Huấn luyện 10 mô hình HMM riêng biệt, mỗi mô hình cho một chữ số (0-9).
• Đánh giá: Đạt độ chính xác 93.78% trên tập test, chứng minh hiệu quả của phương pháp kinh điển.
• Demo: Triển khai một ứng dụng web tương tác bằng Gradio.

Nhận xét nhanh

• HMM vẫn rất hiệu quả: Dù là một mô hình kinh điển, HMM chứng tỏ sức mạnh vượt trội trong việc mô hình hóa dữ liệu chuỗi, đạt độ chính xác cao trên bài toán nhận dạng tiếng nói đơn giản.
• MFCC là chìa khóa: Thành công của mô hình phụ thuộc rất lớn vào việc lựa chọn và trích xuất đặc trưng. MFCC đã chứng minh được vai trò không thể thiếu của mình.
• Cài đặt “from scratch”: Việc tự cài đặt giúp nhóm hiểu rõ bản chất toán học và các bước tối ưu của thuật toán EM (Baum-Welch), một kiến thức nền tảng quan trọng.
• Demo trực quan: Sản phẩm demo cuối cùng không chỉ trình diễn kết quả mà còn mang lại một trải nghiệm tương tác thú vị, kết nối lý thuyết với thực tiễn.

💡 Điểm cộng: Project không chỉ dừng lại ở việc dùng thư viện, mà còn đi sâu vào việc cài đặt lại mô hình HMM từ đầu, thể hiện sự nắm vững kiến thức cốt lõi và kỹ năng lập trình của nhóm.