用于语音识别的快速且精确的循环神经网络声学模型
计算与语言
2015-07-27 v1 机器学习
神经与进化计算
机器学习
摘要
我们最近展示了，作为语音识别的声学模型，深度长短期记忆（LSTM）循环神经网络（RNN）优于前馈深度神经网络（DNN）。我们最近还展示了，使用此类 LSTM RNN 的序列训练上下文相关（CD）隐马尔可夫模型（HMM）声学模型的性能，可以通过以连接时序分类（CTC）初始化的序列训练音素模型来达到同等水平。在本文中，我们提出了进一步改进大词汇量语音识别 LSTM RNN 声学模型性能的技术。我们表明，帧堆叠和降低帧率能带来更精确的模型和更快的解码。CD 音素建模带来了进一步的改进。我们还展示了直接输出单词的 LSTM RNN 模型的初步结果。
引用
@article{arxiv.1507.06947,
title = {Fast and Accurate Recurrent Neural Network Acoustic Models for Speech Recognition},
author = {Haşim Sak and Andrew Senior and Kanishka Rao and Françoise Beaufays},
journal= {arXiv preprint arXiv:1507.06947},
year = {2015}
}
备注
To be published in the INTERSPEECH 2015 proceedings