基于端到端注意力机制与 Highway LSTM 的远场语音识别
计算与语言
2016-10-19 v1
摘要
端到端注意力模型已被证明是语音识别系统中传统 DNN-HMM 模型的有力替代方案。本文对现有的端到端注意力模型进行了扩展，使其适用于远场语音识别（DSR）任务。具体而言，我们提出了一种具有多通道输入的端到端注意力语音识别器，可直接在字符级别进行序列预测。为获得更优性能，我们还引入了 Highway 长短期记忆网络（HLSTM），该网络在 AMI 远场语音识别任务上优于先前模型。
引用
@article{arxiv.1610.05361,
title = {End-to-end attention-based distant speech recognition with Highway LSTM},
author = {Hassan Taherian},
journal= {arXiv preprint arXiv:1610.05361},
year = {2016}
}
备注
8 pages, 2 figures