利用双向格递归神经网络从 LVCSR 假设格中进行语音触发检测
计算与语言
2020-03-03 v1 声音
音频与语音处理
机器学习
摘要
我们提出一种方法，通过神经网络对服务器端大词汇连续语音识别器（LVCSR）的假设格进行后处理，以降低语音启用个人助理的误触发率。我们首先讨论如何利用已知技术从假设格中获得触发短语后验概率的估计以执行检测，然后研究一种以更明确的数据驱动、判别方式处理格的统计模型。我们提出将该任务使用双向格递归神经网络（LatticeRNN），并表明相比使用 1-best 结果或后验概率，它能显著提升检测准确率。
引用
@article{arxiv.2003.00304,
title = {Voice trigger detection from LVCSR hypothesis lattices using bidirectional lattice recurrent neural networks},
author = {Woojay Jeon and Leo Liu and Henry Mason},
journal= {arXiv preprint arXiv:2003.00304},
year = {2020}
}
备注
Presented at IEEE ICASSP, May 2019