通过无监督学习提取域不变特征以实现鲁棒自动语音识别
计算与语言
2018-03-08 v1 机器学习
声音
音频与语音处理
机器学习
摘要
自动语音识别 (ASR) 系统的性能可能被先前未见过的条件显著削弱，这通常由于训练与测试分布之间的不匹配所致。本文通过研究域不变特征来解决鲁棒性问题，使得域信息对 ASR 系统变得透明，从而解决不匹配问题。具体而言，我们研究了一种近期模型，称为因子化分层变分自编码器 (FHVAE)。FHVAE 在无监督情况下学习将序列级与段级属性分解到不同的潜变量中。我们认为包含段级信息的那组潜变量正是 ASR 所需的域不变特征。实验在 Aurora-4 与 CHiME-4 上进行，分别在未匹配域上实现了 41% 与 27% 的绝对词错误率下降。
引用
@article{arxiv.1803.02551,
title = {Extracting Domain Invariant Features by Unsupervised Learning for Robust Automatic Speech Recognition},
author = {Wei-Ning Hsu and James Glass},
journal= {arXiv preprint arXiv:1803.02551},
year = {2018}
}
备注
accepted by 2018 International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2018)