混响环境下用于单通道鲁棒语音识别的特征组合方法
音频与语音处理
2019-06-19 v1 声音
摘要
本文探讨将互补的并行语音识别系统相组合，以降低在真实高混响环境中运行的语音识别系统的错误率。首先，测试环境由在经标定的真实房间中录制的语音组成，混响时间从 0.47 到 1.77 秒，说话人至麦克风距离从 0.16 到 2.56 米。我们在 DNN 输出层面和最终 ASR 输出层面均进行了系统组合。其次，还报道了在 reverb challenge 上的识别实验。本文给出的结果表明，在真实混响环境中录制的语音上，特征组合可带来 7% 至 18% 的 WER 改善。并且，在 DNN 输出层面的组合远比在系统输出层面的组合有效。然而，将两种方案级联仍可进一步降低 WER。
引用
@article{arxiv.1906.07299,
title = {On combining features for single-channel robust speech recognition in reverberant environments},
author = {José Novoa and Josué Fredes and Jorge Wuth and Fernando Huenupán and Richard M. Stern and Nestor Becerra Yoma},
journal= {arXiv preprint arXiv:1906.07299},
year = {2019}
}