CAJ | 학술논문

本文提出了一种基于SDC特征和GMM-UBM模型的自动语种识别方法.SDC特征由许多语音帧的一阶差分谱连接扩展而成,与传统的MFCC特征相比,包含了更多的时序特征信息.UBM模型反映了所有待识别语种的特征分布特性,借助贝叶斯自适应算法可以快速得到每个语种的模型.与传统的GMM方法相比,该方法的训练和识别的速度更快.该方法对OGI电话语音库中11个语种进行了测试,其10秒、30秒和45秒句子的最佳识别正确率分别为72.38%、82.62%和85.23%,识别速度约为0.03倍实时.
본문제출료일충기우SDC특정화GMM-UBM모형적자동어충식별방법.SDC특정유허다어음정적일계차분보련접확전이성,여전통적MFCC특정상비,포함료경다적시서특정신식.UBM모형반영료소유대식별어충적특정분포특성,차조패협사자괄응산법가이쾌속득도매개어충적모형.여전통적GMM방법상비,해방법적훈련화식별적속도경쾌.해방법대OGI전화어음고중11개어충진행료측시,기10초、30초화45초구자적최가식별정학솔분별위72.38%、82.62%화85.23%,식별속도약위0.03배실시.