基于图神经网络利用格点的语音触发改进方法
音频与语音处理
2020-01-30 v1 计算与语言
机器学习
声音
机器学习
摘要
语音触发的智能助手通常依赖于检测触发短语后才开始聆听用户请求。误触发抑制是构建以隐私为中心的非侵入式智能助手的重要方面。本文中，我们采用一种基于图神经网络（GNN）分析自动语音识别（ASR）格点的新颖方法来处理误触发抑制（FTM）任务。所提方法利用如下事实：与正确触发音频的格点相比，误触发音频的解码格点在许多替代路径及格点弧上的意外词方面表现出不确定性。纯触发短语检测器模型未充分利用用户语音意图，而通过使用用户音频的完整解码格点，我们可有效抑制非针对智能助手的语音。本文部署了两种基于 1）图卷积层与 2）自注意力机制 respectively 的 GNN 变体。我们的实验表明，GNN 在 FTM 任务中高度准确，在 99% 真正例率（TPR）下抑制约 87% 的误触发。此外，所提模型训练快速且参数需求高效。
引用
@article{arxiv.2001.10822,
title = {Lattice-based Improvements for Voice Triggering Using Graph Neural Networks},
author = {Pranay Dighe and Saurabh Adya and Nuoyu Li and Srikanth Vishnubhotla and Devang Naik and Adithya Sagar and Ying Ma and Stephen Pulman and Jason Williams},
journal= {arXiv preprint arXiv:2001.10822},
year = {2020}
}