通过特征学习与端到端训练实现空中交通管制语音识别
声音
2021-11-05 v1 计算与语言
音频与语音处理
摘要
在这项工作中，我们提出了一种基于特征学习和端到端训练过程的空中交通管制（ATC）系统自动语音识别（ASR）新系统。所提出的模型集成了特征学习模块、循环神经网络（RNN）和连接时序分类损失，以构建端到端 ASR 模型。面对 ATC 语音的复杂环境，我们设计了学习模块来从原始波形中提取信息特征用于声学建模，而非人工设计的特征。我们应用 SincNet 和一维卷积模块来处理原始波形，其输出被拼接至 RNN 层以进行时间建模。得益于从原始波形中学习表示的能力，所提出的模型可以以完全端到端的方式进行优化，即从波形到文本。最后，还考虑了 ATC 领域的多语言问题，通过构建汉字和英文字母的组合词汇表来实现 ASR 任务。所提出的方法在多语言真实世界语料库（ATCSpeech）上得到了验证，实验结果表明所提出的方法优于其他基线，实现了 6.9% 的字符错误率。
引用
@article{arxiv.2111.02654,
title = {Speech recognition for air traffic control via feature learning and end-to-end training},
author = {Peng Fan and Dongyue Guo and Yi Lin and Bo Yang and Jianwei Zhang},
journal= {arXiv preprint arXiv:2111.02654},
year = {2021}
}
备注
Submitted to IEEE ICASSP 2022