以德语口述历史访谈为例的用于鲁棒语音识别的两阶段声学模型自适应
音频与语音处理
2019-08-20 v1 计算与语言
声音
摘要
在自动语音识别中，针对特定困难任务往往只有少量训练数据可用，而最先进的自动语音识别系统的训练需要大量标注语音。为解决此问题，我们提出一种两阶段声学建模方法，将噪声与混响数据增强与迁移学习相结合，以鲁棒地应对诸如困难声学录音条件、自发语音及老年人语音等挑战。我们以德语口述历史访谈为例评估了该方法，实现了词错误率相对平均降低19.3%。
引用
@article{arxiv.1908.06709,
title = {Two-Staged Acoustic Modeling Adaption for Robust Speech Recognition by the Example of German Oral History Interviews},
author = {Michael Gref and Christoph Schmidt and Sven Behnke and Joachim Köhler},
journal= {arXiv preprint arXiv:1908.06709},
year = {2019}
}
备注
Accepted for IEEE International Conference on Multimedia and Expo (ICME), Shanghai, China, July 2019