我正在尝试构建一个基于 Mozilla DeepSpeech 的自适应语音识别系统（这是 DeepSpeech 论文的 TensorFlow 实现）
这个想法是，
- 我们将对特定声音的模型进行预训练。然后，保存模型 + 创建检查点。
- 保存的模型用于将语音转录为文本。
- 如果用户注意到某些内容被错误地转录，他可以就他刚刚录制的声音的正确文本提供反馈。
- 这形成了一个新的训练样本。模型恢复到之前的检查点，然后在新样本上进行训练。（我们还会使用一些数据增强技术来增加样本数量）
- 现在生成的模型应该更好地用于用户语音/发音
- 从第 3 步开始重复，如果有不正确的转录
这是使用检查点的正确方法吗？我的意思是，每次我在新样本上训练时，我都会恢复到最后一个检查点并用新样本替换完整的训练数据。
任何建议，将不胜感激！
提前致谢！