结合循环神经网络与特定语言约束的概率转录本自适应 ASR 的性能改进
计算与语言
2017-01-16 v1
摘要
不匹配转录已被提出作为一种从非母语者获取概率转录本的方法。先前的工作通过成功地将跨语言 ASR 系统适应于不同的目标语言，证明了这些转录本的价值。在这项工作中，我们描述了两种改进这些概率转录本的技术：使用循环神经网络训练非母语音素误感知的噪声信道模型，并使用最小资源的依赖于语言的发音约束进行解码。两项创新均提高了转录本的质量，并且分别将训练好的 ASR 的音素错误率降低了 7% 和 9%。
引用
@article{arxiv.1612.03991,
title = {Performance Improvements of Probabilistic Transcript-adapted ASR with Recurrent Neural Network and Language-specific Constraints},
author = {Xiang Kong and Preethi Jyothi and Mark Hasegawa-Johnson},
journal= {arXiv preprint arXiv:1612.03991},
year = {2017}
}