标签： keras speech-recognition
我正在尝试使用Keras为ASR建立LSTM网络。我正在使用TIMIT数据集进行训练，但是预处理中存在问题。 预处理后，输入和目标的序列长度不同。
输入是使用MFCC处理的特征提取矩阵，目标是分成多个音素的句子。因此，输入序列比目标序列长得多，可能超过10倍。
我想输入和目标的序列长度在ASR训练中应该相同，所以我认为我应该匹配它们，但我不知道该怎么做。我应该复制目标的长度并将其扩展为输入的长度吗？