QSLocal-history

FreeNeb Release List
Date	Version	note	QR Code
	README	时实更新的README文档，使用前请先认真阅读	[1]
12.05	V4.2.0	引擎更新到2.0.1 模型更新到2.1.1 支持x-vector
11.20	V4.1.2	Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set. Add nnet-vad nnet_vad_threshold=-3
10.08	V4.1.1	Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set. Add nnet-vad nnet_vad_threshold=-3
9.30	V4.1.0	Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set.
9.25	V3.11.0	Network: ReLU tdnn, splice (-2,-1,0,1,2 -2,2 0 -1,1 0 -2,2 0 -4,4 0 0) * 1000. Training: trained on VoxCeleb (1+2) for 3 epoches, then full-info adaptation with the same training set for 100 iters. Config: full-info_fix_inter100_time1_momen0.9 num-gpu-initial=2 num-gpu-final=4 initial_effective_lrate=0.00015, final_effective_lrate=0.00015 LDA: the same training set.
8.5	V3.10.0	QSLocal 3.10 增加阿里训练数据、新vad模型
7.6	V3.8.5	使用VPR0.6版本引擎
6.29	V3.8.4	使用3.8模型+DNN Vad，VPR0.5版本引擎
6.21	V3.9.3	在3.9版模型基础上，加入了dnn-based vad
6.8	V3.8.3	在V3.8.2增强版 基础上，fix data buffer bug
6.5	V3.8.2增强版	在V3.8.2 基础上，去掉尾Null数据（梦原把这一feature移到了Android-dev），设置default abs threshold=17.0
6.5	V3.8.2	在V3.8.2 基础上，去掉语音前后的context padding
6.4	V3.8.1	在V3.8 model基础上，加入SVM VAD
6.4	V3.9.1	在v3.9基础上，去掉语音前后的context padding
6.1	V3.9	修改模型 训练数据：基于ali-phase2数据 在7500人的full-info模型上 进一步full-info得到的模型
5.28	V3.8	修改模型 训练数据：speech-ocean_datatang_7500_mix_clean_reverb_volume_noise；模型：ReLU 预先训练 3 个 epoches，然后用 full-info 自适应 200 个 iterations.修改最后传输数据为空值的bug
5.17	V3.7	修复AudioRecord bug，将环形buffer改成线性。
5.7	V3.6	石颖大模型：reverbe+volume+noise+clean 总量为基本数据的3又三分之一倍
4.27	V3.5	小模型：仅添加noise 总量为基本数据的一半，人数不变
4.24	V3.4	修改bug
4.16	V3.3	修改滚动样式
4.3	V3.0	依时间认证版本
3.31	v2.0	带反馈的认证版本
3.25	V1.0	盲认证版本