计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2004年
5期
42-44
,共3页
语音识别%变异语音%MAP算法
語音識彆%變異語音%MAP算法
어음식별%변이어음%MAP산법
变异情况对语音的影响是导致语音识别系统性能下降的原因之一.一般情况下变异语音数据采集困难,获得的训练数据量少,这样即使测试环境和训练环境都相同,识别性能也不理想.利用自适应算法可以解决这类问题,它采用少量的测试环境数据进行训练,以达到训练模型和测试数据匹配的目的,保证系统良好的识别性能.MAP算法是常用的自适应算法,大多应用于话者自适应环境,该文尝试将其应用于变异语音识别系统中,并通过对该模型做相应改进获得了较好的识别结果.在小词表特定人应力变异的识别实验中,分别用非特定人模型和改进的特定人模型作为初始模型,应用MAP算法,系统识别率均有明显提高,与基本识别系统相比,在10遍自适应数据前提下,识别率分别提高了15.84%和15.97%,最好的识别率达到85.56%和90.42%.
變異情況對語音的影響是導緻語音識彆繫統性能下降的原因之一.一般情況下變異語音數據採集睏難,穫得的訓練數據量少,這樣即使測試環境和訓練環境都相同,識彆性能也不理想.利用自適應算法可以解決這類問題,它採用少量的測試環境數據進行訓練,以達到訓練模型和測試數據匹配的目的,保證繫統良好的識彆性能.MAP算法是常用的自適應算法,大多應用于話者自適應環境,該文嘗試將其應用于變異語音識彆繫統中,併通過對該模型做相應改進穫得瞭較好的識彆結果.在小詞錶特定人應力變異的識彆實驗中,分彆用非特定人模型和改進的特定人模型作為初始模型,應用MAP算法,繫統識彆率均有明顯提高,與基本識彆繫統相比,在10遍自適應數據前提下,識彆率分彆提高瞭15.84%和15.97%,最好的識彆率達到85.56%和90.42%.
변이정황대어음적영향시도치어음식별계통성능하강적원인지일.일반정황하변이어음수거채집곤난,획득적훈련수거량소,저양즉사측시배경화훈련배경도상동,식별성능야불이상.이용자괄응산법가이해결저류문제,타채용소량적측시배경수거진행훈련,이체도훈련모형화측시수거필배적목적,보증계통량호적식별성능.MAP산법시상용적자괄응산법,대다응용우화자자괄응배경,해문상시장기응용우변이어음식별계통중,병통과대해모형주상응개진획득료교호적식별결과.재소사표특정인응력변이적식별실험중,분별용비특정인모형화개진적특정인모형작위초시모형,응용MAP산법,계통식별솔균유명현제고,여기본식별계통상비,재10편자괄응수거전제하,식별솔분별제고료15.84%화15.97%,최호적식별솔체도85.56%화90.42%.
