探索越南语性别无关语音识别的动态参数
音频与语音处理
2025-08-01 v1 计算与语言
声音
信号处理
摘要
语音信号的动态特性提供了时序信息，并在增强自动语音识别（ASR）方面发挥着重要作用。在本工作中，我们利用谱次亚频心率（SSCFs）的比率平面中的声学过渡特征，采用极坐标参数来捕捉语音的动态特性并最小化谱波动。这些动态参数与梅尔频率倒谱系数（MFCCs）组合用于越南语ASR，以捕获更详细的谱信息。SSCF0被用作基频（F0）的伪特征，用于稳健地描述声调信息。研究结果表明，所提出的参数显著降低了词错误率，并比基线MFCCs在性别独立性方面表现更佳。
引用
@article{arxiv.2507.22964,
title = {Exploring Dynamic Parameters for Vietnamese Gender-Independent ASR},
author = {Sotheara Leang and Éric Castelli and Dominique Vaufreydaz and Sethserey Sam},
journal= {arXiv preprint arXiv:2507.22964},
year = {2025}
}