HMM 与 CTC 用于自动语音识别的对比：基于从头全和训练的比较
声音
2022-10-19 v1 音频与语音处理
摘要
本文比较了用于自动语音识别（ASR）的隐马尔可夫模型（HMM）与连接主义时序分类（CTC）拓扑的从头序列级交叉熵（全和）训练。除准确率外，我们进一步分析了它们生成语音信号与转录之间高质量时间对齐的能力，这对许多后续应用至关重要。此外，我们提出了若干方法，通过解决对齐建模问题来改善从头全和训练的收敛性。我们在 Switchboard 和 LibriSpeech 语料库上系统比较了 CTC、带与不带转移概率的后验 HMM，以及标准混合 HMM。我们还详细分析了 Viterbi 强制对齐与 Baum-Welch 全和占用概率。
引用
@article{arxiv.2210.09951,
title = {HMM vs. CTC for Automatic Speech Recognition: Comparison Based on Full-Sum Training from Scratch},
author = {Tina Raissi and Wei Zhou and Simon Berger and Ralf Schlüter and Hermann Ney},
journal= {arXiv preprint arXiv:2210.09951},
year = {2022}
}
备注
Accepted for Presentation at IEEE SLT 2022