基于深度波束成形神经网络远场语音识别的空间注意力
音频与语音处理
2020-03-10 v2 声音
摘要
在本文中，我们引入空间注意力来精炼多方向神经波束成形器中用于远场自动语音识别的信息。先前具有多个观测方向神经波束成形器的方法，例如分解复线性投影，已展现出有前景的结果。然而，此类方法提取的特征包含冗余信息，因为仅目标语音的方向是相关的。我们提出使用空间注意力子网络对不同方向的特征进行加权，使得后续的声学模型能够聚焦于与语音识别最相关的特征。我们的实验结果表明，空间注意力相比无注意力的方法实现了高达 9% 的相对词错误率改善。
引用
@article{arxiv.1911.02115,
title = {Spatial Attention for Far-field Speech Recognition with Deep Beamforming Neural Networks},
author = {Weipeng He and Lu Lu and Biqiao Zhang and Jay Mahadeokar and Kaustubh Kalgaonkar and Christian Fuegen},
journal= {arXiv preprint arXiv:1911.02115},
year = {2020}
}
备注
To be presented at ICASSP 2020