用于孤立语音识别的深层前馈神经网络
音频与语音处理
2025-08-12 v1 声音
摘要
作为最重要的人机交互工具，针对孤立语音识别的工作量在巴尔克语方面远不及英语。为此动机，本文实现并分析了使用包含孤立巴尔克语和英语口语单词的数据集进行的说话人独立孤立语音识别系统性能。本文提出一种采用梅尔频率cepstral系数（MFCC）和深层前馈完全连接神经网络（DFFNN）进行分类器的方案，DFFNN 为 7 层。本文显示达 93.42% 的识别准确率，这在考虑类别数和数据集大小的情况下，优于此前大多数关于巴尔克语语音识别的工作。
引用
@article{arxiv.2507.07068,
title = {Deep Feed-Forward Neural Network for Bangla Isolated Speech Recognition},
author = {Dipayan Bhadra and Mehrab Hosain and Fatema Alam},
journal= {arXiv preprint arXiv:2507.07068},
year = {2025}
}
备注
12 pages, 3 figures, 4 tables. published in Jatiya Kabi Kazi Nazrul Islam University, Vol. 10 No. 1-2, 2025 https://jkkniu.edu.bd/13817-2/