基于基频特征归一化与数据增强的儿童语音识别
音频与语音处理
2021-02-19 v1 声音
摘要
由于适龄教育技术的重要性，亟需面向低龄儿童的自动语音识别（ASR）系统。由于缺乏公开可用的低龄儿童语音数据，必须考虑特征归一化和数据增强等特征提取策略，以成功训练儿童 ASR 系统。本研究提出一种基于共振峰与基频（）之间关系的特征归一化和数据增强方法用于儿童 ASR 的新技术。该 特征归一化和数据增强技术均在梅尔域中作为频移实现。这些技术在儿童朗读语音 ASR 任务上进行了评估。儿童 ASR 系统通过在成人语音上训练的基于 BLSTM 的声学模型进行自适应得到。在 OGI Kids' Speech Corpus 上测试时，同时使用 归一化和数据增强相比基线取得了 19.3% 的相对词错误率（WER）提升，且所得儿童 ASR 系统达到了该语料库上目前报道的最佳 WER。
引用
@article{arxiv.2102.09106,
title = {Fundamental Frequency Feature Normalization and Data Augmentation for Child Speech Recognition},
author = {Gary Yeung and Ruchao Fan and Abeer Alwan},
journal= {arXiv preprint arXiv:2102.09106},
year = {2021}
}
备注
To be published in IEEE ICASSP