基于分块分类的状态转移模型用于端点检测
音频与语音处理
2019-12-24 v1 声音
摘要
提出了一种基于分块分类的状态转移模型（STM）用于端点检测（EPD）。通常，EPD 是利用逐帧语音活动检测（VAD）配合附加的 STM 开发的，其中状态转移基于 VAD 的帧级判决（语音或非语音）进行。然而，即使在噪声环境中我们使用最先进的基于深度神经网络的 VAD，VAD 错误也频繁发生，这会导致 STM 发生不期望的状态转移。在本工作中，为构建鲁棒的 STM，状态转移基于分块分类进行，因为 EPD 无需在帧级执行。块由多帧组成，块在语音与非语音之间的分类通过聚合 VAD 对多帧的判决来完成，从而使得块内一些不期望的 VAD 错误可被其他正确的 VAD 判决平滑掉。最后，该模型在定性与定量度量（包括音素错误率）下进行了评估。
引用
@article{arxiv.1912.10442,
title = {End-Point Detection with State Transition Model based on Chunk-Wise Classification},
author = {Juntae Kim and Jaesung Bae and Minsoo Hahn},
journal= {arXiv preprint arXiv:1912.10442},
year = {2019}
}