计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
8期
178-181
,共4页
发音特征%动态贝叶斯网络%语音识别
髮音特徵%動態貝葉斯網絡%語音識彆
발음특정%동태패협사망락%어음식별
构建了一种新的基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)的异步整词一发音特征语音识别模型AWA-DBN(每个词由其发音特征的运动来描述),定义了各发音特征节点及异步检查节点的条件概率分布.在标准数字语音库Aurora5.0上的语音识别实验表明,与整词一状态DBN(WS-DBN,每个词由固定个数的整词状态构成)和整词一音素DBN(WP-DBN,每个词由其对应的音素序列构成)模型相比,WS-DBN模型虽然具有最高的识别率,但其只适用于小词汇量孤立词语音识别,AWA-DBN和WP-DBN可以为犬词汇量连续语音建模,而AWA-DBN模型比WP-DBN模型具有更高的语音识别率和系统鲁棒性.
構建瞭一種新的基于動態貝葉斯網絡(Dynamic Bayesian Network,DBN)的異步整詞一髮音特徵語音識彆模型AWA-DBN(每箇詞由其髮音特徵的運動來描述),定義瞭各髮音特徵節點及異步檢查節點的條件概率分佈.在標準數字語音庫Aurora5.0上的語音識彆實驗錶明,與整詞一狀態DBN(WS-DBN,每箇詞由固定箇數的整詞狀態構成)和整詞一音素DBN(WP-DBN,每箇詞由其對應的音素序列構成)模型相比,WS-DBN模型雖然具有最高的識彆率,但其隻適用于小詞彙量孤立詞語音識彆,AWA-DBN和WP-DBN可以為犬詞彙量連續語音建模,而AWA-DBN模型比WP-DBN模型具有更高的語音識彆率和繫統魯棒性.
구건료일충신적기우동태패협사망락(Dynamic Bayesian Network,DBN)적이보정사일발음특정어음식별모형AWA-DBN(매개사유기발음특정적운동래묘술),정의료각발음특정절점급이보검사절점적조건개솔분포.재표준수자어음고Aurora5.0상적어음식별실험표명,여정사일상태DBN(WS-DBN,매개사유고정개수적정사상태구성)화정사일음소DBN(WP-DBN,매개사유기대응적음소서렬구성)모형상비,WS-DBN모형수연구유최고적식별솔,단기지괄용우소사회량고립사어음식별,AWA-DBN화WP-DBN가이위견사회량련속어음건모,이AWA-DBN모형비WP-DBN모형구유경고적어음식별솔화계통로봉성.
