检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第4期61卷 59-71页

作者：许春冬吴子煜葛凤培江西理工大学信息工程学院江西赣州341000 北京邮电大学北京100876

近年来,自动语音识别的研究重心由传统识别方法转向基于深度学习的语音识别方法。“大模型”现象反映出深度学习方法的性能随着训练数据量的增加呈现显著上升的趋势。然而,现实环境的复杂性、语音数据分布的非均匀性和用户隐私的保护等... 详细信息

近年来,自动语音识别的研究重心由传统识别方法转向基于深度学习的语音识别方法。“大模型”现象反映出深度学习方法的性能随着训练数据量的增加呈现显著上升的趋势。然而,现实环境的复杂性、语音数据分布的非均匀性和用户隐私的保护等因素给数据的收集造成困难。同时,语音数据的标注需要大量专业人员的参与,导致标注成本很高。因此,语音识别在实际应用中经常面临数据资源不足的问题。在这种低数据资源条件下构建性能优异且稳定的语音识别系统仍是研究难点。简单归纳了语音识别的发展历程,总结了语音识别的基本框架以及常见的国内外开源数据集。围绕低数据资源问题,详细分析了低数据资源的判定方法,继而梳理了四类技术方案,包括数据增强、联邦学习、自监督学习以及元学习,并对它们的性能状况以及优缺点进行了系统的剖析。最后讨论了该研究方向未来潜在的发展趋势和可能面临的问题。

关键词：语音识别低数据资源数据增强联邦学习自监督学习元学习

来源：评论

学校读者我要写书评

暂无评论

低数据资源条件下基于优化的数据选择策略的无监督语音识别声学建模

引用

清华大学学报（自然科学版） 2013年第7期53卷 1001-1004,1010页

作者：钱彦旻刘加清华大学电子工程系清华信息科学与技术国家实验室北京100084

为了克服低数据资源条件下的资源匮乏问题,该文利用无监督的声学模型训练方法来增加训练数据,改善系统性能。在标准的无监督训练框架下,在传统词图后验概率的词置信度基础上,提出了基于句子后验概率的置信度数据筛选准则,所选数据在保... 详细信息

为了克服低数据资源条件下的资源匮乏问题,该文利用无监督的声学模型训练方法来增加训练数据,改善系统性能。在标准的无监督训练框架下,在传统词图后验概率的词置信度基础上,提出了基于句子后验概率的置信度数据筛选准则,所选数据在保证整句话可靠性的同时很好保留了上下文信息,有利于跨词的三音子声学模型建模;还提出了基于音素覆盖率准则的数据筛选方法,在考虑假设标注句子置信可靠度的同时,尽可能选取训练样本中最为稀疏的音素单元,从源头再次克服低数据资源的困难,数据选择效率更高,性能进一步提升。实验表明:基于本文改进的无监督训练方法的词错误率比基线有监督训练方法的降低约相对8%,比传统无监督方法的也有绝对2%的减少,极大程度改善了低数据资源条件下的系统性能。

关键词：语音识别低数据资源无监督训练数据选择

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的低数据资源情感语音合成

基于迁移学习的低数据资源情感语音合成

引用

作者：徐杰天津大学

学位级别：硕士

近年来,语音合成技术逐渐受到了国内外研究者的广泛关注。在情感语音合成中,如何利用有限的数据进行语音合成模型的训练,以及如何对模型进行改进以适应带有情感风格的非语言韵律特征等问题,依然是目前亟待解决的。对于情感语音合成任务... 详细信息

近年来,语音合成技术逐渐受到了国内外研究者的广泛关注。在情感语音合成中,如何利用有限的数据进行语音合成模型的训练,以及如何对模型进行改进以适应带有情感风格的非语言韵律特征等问题,依然是目前亟待解决的。对于情感语音合成任务而言,去获取每个说话人的大规模情感语音数据是具有难度和高成本的。所以本研究提出了一种利用情感语音分类任务的中间结果进行迁移学习的方法,该方法能够有效利用低数据资源下的情感语音数据,在多情感语音合成模型中,通过从情感语音分类任务中提取的具有情感信息和语音韵律信息的嵌入向量的帮助,指导语音合成模型的迁移学习过程。对于情感语音合成而言,由于某些情感语音(如开心和困倦)的独特性,其发音中存在非语言韵律特征。针对这一问题,本研究提出了长时序权重注意力机制对端到端语音合成方法中注意力机制进行改进,在注意力机制当中引入了用于计算权重信息的前步权重结果的长时序依赖。除此之外,由于某些情感语音(如开心和困倦)在低数据资源下无法保证结束预测的鲁棒性,所以引入了卷积结构对结束预测单元进行了修改。本文在EMOV-DB语音数据库下进行实验,实验结果表明,采用情感分类任务提取的嵌入向量,能够在情感语音合成过程中引入更多的信息。长时序权重注意力机制和卷积结构结束预测单元可以进一步提升带有非语言特征的情感语音合成结果的鲁棒性。

关键词：情感语音合成迁移学习低数据资源注意力机制

来源：评论

学校读者我要写书评

暂无评论

低资源条件语言模型建模技术研究

低资源条件语言模型建模技术研究

引用

作者：张一珂中国科学院大学

学位级别：博士

统计语言模型在自然语言处理任务中发挥着重要的作用，已在语音识别、机器翻译等相关研究中取得了广泛的应用。在语音识别任务中，低数据资源是统计语言模型面临的一个突出问题。因此研究如何在低资源条件下建立高性能、高效率的统计语... 详细信息

统计语言模型在自然语言处理任务中发挥着重要的作用，已在语音识别、机器翻译等相关研究中取得了广泛的应用。在语音识别任务中，低数据资源是统计语言模型面临的一个突出问题。因此研究如何在低资源条件下建立高性能、高效率的统计语言模型具有重要的意义。本论文主要从神经网络语言模型的建模方法、自适应方法以及数据扩增方法三个方面对低资源条件下语言模型建模技术进行了研究。本论文主要研究内容和创新点如下:　　1.针对目前主流的递归神经网络语言模型在并行效率及以及在低资源条件下参数优化方面存在的问题，本论文以神经网络模型的可解释性理论为指导，对神经网络语言模型的模型结构与优化目标进行了研究，提出了一种高性能、高效率的可解释神经网络语言模型(Interpretable Neural Network Language，INLM)。实验表明在Penn TreeBank、WikiText-2和Switchboard数据集上本论文提出的INLM的性能优于LSTM等典型的神经网络语言模型。　　2.针对低资源条件下训练数据中的语言现象难以覆盖测试数据中常见语言现象的问题，提出了一种基于最大后验估计的INLM自适应方法。本方法依据INLM的可解释性来选取恰当的自适应参数。为了有效利用训练数据中的信息，本方法借助拉普拉斯近似来求解自适应参数的先验分布。实验表明在Switchboard数据集上本论文提出的自适应方法使INLM的困惑度相对下降27.3％、识别系统的词错误率相对下降6.6％。　　3.针对低资源条件下训练数据稀疏的问题，本论文研究了基于语料库和基于生成模型的数据扩增方法。为了有效地利用扩增数据提升INLM的性能，提出了一种梯度加权的多任务学习方法。本方法利用文本领域分类任务的预测概率作为INLM参数更新过程中梯度的权重，可以有效利用扩增数据中的有用信息来提升INLM的性能。实验表明在Switchboard数据集上本论文提出的数据扩增方法使INLM的困惑度相对下降17.8％、识别系统的词错误率相对下降8.0％。　　本论文对低资源条件下语言模型的建模技术进行了研究。首先根据神经网络模型的可解释性理论提出了INLM。在此基础上，针对INLM提出了一种基于最大后验估计的自适应方法和一种梯度加权的多任务学习方法。实验表明在Switchboard数据集上本论文提出的方法最终使INLM的困惑度相对下降34.0％、识别系统的词错误率相对下降8.4％。

关键词：语音识别低数据资源神经网络模型自适应方法数据扩增多任务学习

来源：评论

学校读者我要写书评

暂无评论

基于特征空间轨迹信息的语音关键词检测方法研究

基于特征空间轨迹信息的语音关键词检测方法研究

引用

作者：田颖慧华南理工大学

学位级别：硕士

随着计算机技术以及互联网技术的飞速发展,语音数据相比于以前呈现出爆炸式地增长,如何对大量的语音数据进行分析处理并从中获取有用信息,以及如何利用语音技术实现人机交互获得了研究者们的广泛关注。语音关键词检测技术不需要对语音... 详细信息

随着计算机技术以及互联网技术的飞速发展,语音数据相比于以前呈现出爆炸式地增长,如何对大量的语音数据进行分析处理并从中获取有用信息,以及如何利用语音技术实现人机交互获得了研究者们的广泛关注。语音关键词检测技术不需要对语音中的所有词汇进行识别,只需要从连续语音流中检测出预先定义的关键词即可,被广泛地应用于音频信息检索、音频监控、设备唤醒、智能家居等领域。当前主流的关键词检测技术为深度学习,需要大规模的标注样本进行训练,无法应用于低数据资源场景。本文提出一种基于特征空间轨迹信息的低资源语音关键词检测算法,统一描述关键词的统计特征和时序特征,并充分利用不同关键词类之间的区分性信息。实验结果表明,本文算法在低资源时,相比HMM和CRNN系统有显著优势。并在此基础上探究清、浊音先验知识在关键词检测上的应用,通过清、浊音结构筛选降低检索实时率,本文的主要工作如下:(1)提出一种基于特征空间轨迹信息的语音关键词检测算法。首先利用聚类算法对无标注样本的特征集进行聚类得到音频特征空间表达;然后利用音频特征空间表达构建关键词的特征空间分布和运动轨迹,分别描述关键词的统计特征和时序特征,并对比构建混淆对象的局部区分性信息;最后关键词检测过程依据特征空间分布和轨迹信息进行判决。(2)验证算法的可行性和有效性。通过实验探究方案中一些参数对关键词检测性能的影响,主要包括音频特征空间表达粒度、分类器个数、训练样本量对性能的影响。与现有的CRNN、HMM、直方图方法进行对比,在低数据资源下,本文算法有显著优势。在每个关键词的训练数据量为10时,CRNN方法因数据量太少而无法实施,本文算法与HMM方法相比,错误拒绝率下降了20.5%,平均每小时虚警次数下降了8.7次,与直方图方法相比,错误拒绝率下降了4%,平均每小时虚警次数下降了5.72次。(3)对连续语音中清音声母的时长及其变化范围进行研究,分析关键词的清、浊音结构信息,并根据清、浊音结构信息对测试样本进行待检测音段的划分与筛选,从而避免不必要的匹配,加快关键词检测的速度。通过清、浊音结构筛选后,检索实时率从0.601下降到0.326,相对下降45.76%。提出一种基于清、浊音子空间的语音关键词检测算法。对音频特征空间进行细分,将整个音频特征空间划分为清音子空间和浊音子空间,对关键词进行更为细致地建模。在检测时,利用关键词的清、浊音先验知识,对候选结果进行进一步判别,有利于减少混淆词的识别错误率。

关键词：语音关键词检测音频特征空间特征空间轨迹信息低数据资源清、浊音结构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：