ROBIN 项目中的罗马尼亚语语音识别实验
计算与语言
2021-11-24 v1 声音
音频与语音处理
摘要
接受社会辅助机器人的基本功能之一是其与环境中其他智能体的通信能力。在 ROBIN 项目背景下，研究了通过语音与机器人进行情境对话。本文展示了基于深度神经网络的不同语音识别实验，侧重于产生快速（网络本身低于 100ms 延迟）且仍可靠的模型。尽管低延迟是关键期望特性之一，最终的深度神经网络模型在罗马尼亚语识别上取得了 SOTA（state of the art，最优）结果，在与语言模型结合时获得了 9.91% 的词错误率（WER），从而在提供改进运行性能的同时超越了先前结果。此外，我们探索了两个用于纠正 ASR 输出的模块（连字符与大小写恢复以及未知词纠正），以服务于 ROBIN 项目的目标（封闭微世界中的对话）。我们设计了基于 API 的模块化架构，允许集成引擎（在机器人内部或外部）按需将可用模块串联。最后，我们通过在 RELATE 平台中集成所提设计，并通过上传文件或录制新语音向网络用户提供 ASR 服务来测试该设计。
引用
@article{arxiv.2111.12028,
title = {Romanian Speech Recognition Experiments from the ROBIN Project},
author = {Andrei-Marius Avram and Vasile Păiş and Dan Tufiş},
journal= {arXiv preprint arXiv:2111.12028},
year = {2021}
}
备注
12 pages, 3 figures, ConsILR2020