利用由连接主义时序分类导出的发音方式检测知识的集束搜索解码
计算与语言
2018-11-20 v1
摘要
使用深度神经网络的发音方式检测需要属性判别特征的先验知识或良好的音素对齐。然而，生成合适的音素对齐是复杂的，且其性能依赖于最优 senone 数、高斯数等的选择。在我们工作的第一部分，我们利用连接主义时序分类（CTC）进行发音方式检测，其不需要任何音素对齐。随后，我们使用发音方式 CTC 检测器修改由 CTC 生成的基于字符的当前最优后验概率。对修改后的后验概率执行集束搜索解码，并观察其在 AN4 和 LibriSpeech 等开源数据集上的影响。
引用
@article{arxiv.1811.07720,
title = {Beam Search Decoding using Manner of Articulation Detection Knowledge Derived from Connectionist Temporal Classification},
author = {Pradeep Rangan and Sreenivasa Rao K},
journal= {arXiv preprint arXiv:1811.07720},
year = {2018}
}
备注
5 pages, Submitted to ICASSP 2019. arXiv admin note: substantial text overlap with arXiv:1811.01644