使用扩张卷积与门控的高效关键词 spotting
机器学习
2019-02-19 v2 计算与语言
声音
音频与语音处理
机器学习
摘要
我们探索将端到端无状态时间建模应用于小足迹关键词 spotting，而非使用内部状态建模长期时间依赖的循环网络。我们提出一个受近期扩张卷积在序列建模应用中成功启发的模型，允许在资源受限配置中训练更深的架构。还添加了门控激活与残差连接，遵循类似于 WaveNet 的配置。此外，我们应用一种自定义目标标注，从感兴趣的特定帧反向传播损失，从而产生更高准确率且仅需检测关键词的结尾。我们的实验结果表明，我们的模型优于使用 LSTM 单元以最大池化损失训练的循环神经网络，且误拒率显著下降。底层数据集——“Hey Snips”由超过 2.2K 不同说话人录制的语音——已公开可用，以建立唤醒词检测的开放参考。
引用
@article{arxiv.1811.07684,
title = {Efficient keyword spotting using dilated convolutions and gating},
author = {Alice Coucke and Mohammed Chlieh and Thibault Gisselbrecht and David Leroy and Mathieu Poumeyrol and Thibaut Lavril},
journal= {arXiv preprint arXiv:1811.07684},
year = {2019}
}
备注
Accepted for publication to ICASSP 2019