语音识别中的语速学习
计算与语言
2015-06-03 v1 机器学习
摘要
在语音识别中，当语音速率（ROS）过低或过高时，常观察到性能显著下降。当前大多数应对ROS变化的方法侧重于ROS引起的语音信号动态特性变化，从而修改动态模型，例如隐马尔可夫模型（HMM）的转移概率。然而，异常的ROS不仅改变语音信号的动态特性，也改变其静态特性，因此无法仅通过修改动态模型来补偿。本文提出一种基于深度神经网络（DNN）的ROS学习方法，该方法将ROS特征作为DNN模型的输入，从而能够学习并补偿由ROS引起的频谱失真。实验结果表明，该方法对过慢和过快的语音段能提供更优性能，证明了我们的猜想，即ROS同时影响语音的动态和静态特性。此外，所提方法可与传统的HMM转移自适应方法结合，带来额外的性能提升。
引用
@article{arxiv.1506.00799,
title = {Learning Speech Rate in Speech Recognition},
author = {Xiangyu Zeng and Shi Yin and Dong Wang},
journal= {arXiv preprint arXiv:1506.00799},
year = {2015}
}