基于SSCF极坐标用于自动语音识别的初步研究
音频与语音处理
2022-12-05 v1 人工智能
机器学习
声音
信号处理
摘要
转移角被定义用于描述谱子带质心声学空间中元音到元音的转移，研究结果表明其在不同说话人与语速间具有相似性。本文提出研究使用极坐标而非角度来描述语音信号，通过刻画其声学轨迹并用于自动语音识别（Automatic Speech Recognition, ASR）。根据在BRAF100数据集上的实验结果，极坐标在混合与跨性别语音识别中取得了显著高于角度的准确率，表明这些表示在定义语音信号声学轨迹方面更优。此外，当将其与一阶和二阶差分（, ）结合使用时，准确率显著提升，尤其在跨女性识别中。然而，结果显示其性别无关性并未明显优于传统的梅尔频率倒谱系数（Mel-frequency Cepstral Coefficients, MFCCs）。
引用
@article{arxiv.2212.01245,
title = {Preliminary Study on SSCF-derived Polar Coordinate for ASR},
author = {Sotheara Leang and Eric Castelli and Dominique Vaufreydaz and Sethserey Sam},
journal= {arXiv preprint arXiv:2212.01245},
year = {2022}
}