检索结果-内蒙古大学图书馆

模式识别与人工智能 2009年第1期22卷 86-90页

作者：孟猛梁家恩徐波中国科学院自动化研究所数字内容技术研究中心北京100190 中国科学院自动化研究所模式识别国家重点实验室北京100190

首先提出以音素合并后模型自身似然度下降为距离依据,通过聚类生成多语言通用音素的声学建模方法.在此基础上,比较聚类时增加两种约束条件(同一语种内音素不聚类、不同IPA族的音素不聚类)对性能的影响.同时,对通用音素集的规模对识别性... 详细信息

首先提出以音素合并后模型自身似然度下降为距离依据,通过聚类生成多语言通用音素的声学建模方法.在此基础上,比较聚类时增加两种约束条件(同一语种内音素不聚类、不同IPA族的音素不聚类)对性能的影响.同时,对通用音素集的规模对识别性能的影响做了一定探索.最后的实验给出建立中英文双语混合模型在关键词检测系统上的结果,比较4种聚类方法在不同通用音素个数情况下的性能优劣.结果显示,使用本文方法进行一定程度的音素合并,性能比不作聚类直接混合建模有明显提升.适当增加音素聚类的约束,有助于进一步提高性能.

关键词：多语言声学建模音素聚类关键词检测

来源：评论

学校读者我要写书评

暂无评论

面向多语言语音识别的声学建模研究

面向多语言语音识别的声学建模研究

引用

作者：孟猛中国科学院自动化研究所

学位级别：博士

目前语音识别技术在研究和应用领域取得了比较大的进展，但在大多数的使用环境下，都是以单一语种的语音识别为主。而在实际应用中，许多潜在的语音识别任务都需要有多语言的支持。为了提高语音识别系统的应变能力，使语音识别产品的使... 详细信息

目前语音识别技术在研究和应用领域取得了比较大的进展，但在大多数的使用环境下，都是以单一语种的语音识别为主。而在实际应用中，许多潜在的语音识别任务都需要有多语言的支持。为了提高语音识别系统的应变能力，使语音识别产品的使用人群覆盖面更广，多语种通用语音识别系统的研究逐渐成为目前语音识别研究的一个重点。目前国际上主流的研究单位已经对该领域展开了比较广泛的研究。针对声学建模层面，主要研究内容包括：支持多语种语音识别的通用声学建模技术，以及小语料语种识别系统的快速移植等。与单一语种的研究相比，多语种研究还不够成熟，研究任务相对比较简单，基于口语化电话语音的多语言声学建模及其跨语种应用方面的研究结果比较少见。\n 本文的研究基于LDC发布的CallHome和CallFriend集中的多语种口语对话式电话数据，对多语种通用声学建模的音子集的优化方法、问题集设计、跨语种声学模型移植等方面进行了比较系统的实验研究，并在基于样本的关键词检测、语种识别等领域加以应用。本文的工作重点如下：\n 首先，在中英文混合声学模型的建模中，本文提出了基于类间似然度变化准则的通用音子单元聚类方法，并且引入语言学知识作为辅助手段，提高通用音子建模的有效性。该方法与基于IPA的聚类方法进行了比较，取得了较好的性能。通过口语电话关键词检测集任务上的一系列实验，分析了通用音子建模的优势，以及语言学知识在聚类方法中的影响。\n 其次，本文将多语言通用声学模型的建模研究扩大到七个语种之上，采用了基于发音特征的问题集组织和生成方法实现通用模型的快速三音子建模，并在多语种口语电话语音关键词检测实验上，考察了通用音子集的规模对检测性能的影响。针对不同的音子集规模，作了大量的实验，发现通用声学模型的性能表现与其对应的音子集的规模表现出类似“U”形的变化。本文提出了对这种现象的解释：音子的共享合并一方面可以使处于竞争关系的类似音子避免混淆，另一方面，不同音子间的合并也必然带来其声学描述能力的下降，两者相互作用、互相牵制，最优的音子集出现在两者相互平衡的地方。\n 再次，本文在跨语种声学模型快速移植领域，考察了仅利用目标语种语音语言学知识的基础上，将现有模型移植到集外语种的方法，提出了一种基于区分性特征的决策树共享的方法，实现了具有通用性的集外语种移植方案，并取得了一定的效果。同时，实验显示，缺乏目标语种数据时，跨语种语音识别的性能大受到影响。因此本文又在少量目标语种数据的基础上，进行了模型自适应工作，并提出了基于目标数据引导和参与训练的建模方法获得更好的语种移植性能，取得了比较满意的结果。\n 最后，本文将多语种声学建模技术应用于基于语音样本的关键词检测方案中。该方案以若干关键词语音样本作为输入，采用了基于音子混淆网络进行动态规划的方法，优化关键词在通用声学模型上的声学描述，实现了可以应对未知语种的口语电话语音关键词检测系统。本文还将多语言通用音子模型应用到语种识别任务上。与传统的单语种识别系统相对比，使用多语种通用音子识别器可以取得更好的效果。

关键词：多语言声学建模语种移植关键词检测语音识别跨语种应用类间似然度

来源：评论

学校读者我要写书评

暂无评论

基于知识共享和迁移策略的多语言语音识别声学建模

基于知识共享和迁移策略的多语言语音识别声学建模

引用

作者：姚海涛中国科学院大学

学位级别：硕士

大词汇连续语音识别在人机交互和智能电子终端的更广泛应用，要求语音识别技术能适应更多的语言差异。传统的单语种语音识别声学模型在训练的过程中，通常需要大量的语种相关数据，并且一般只能应用于该种语言的识别，对其他语种或者方... 详细信息

大词汇连续语音识别在人机交互和智能电子终端的更广泛应用，要求语音识别技术能适应更多的语言差异。传统的单语种语音识别声学模型在训练的过程中，通常需要大量的语种相关数据，并且一般只能应用于该种语言的识别，对其他语种或者方言的扩展性不足。面对人类现在使用的众多种类的语言，建立单一语种识别系统时的数据采集和标注工作耗时耗力，这增加了许多小资源语言的语音识别难度。\n 本文利用已有的多种语言的语音数据，着力于语言间的信息资源共享，进行基于知识共享和迁移策略的多语言声学建模。主要研究工作和创新点如下:\n 对比分析建模单元共享和模型参数共享声学建模方法。其中模型参数共享方法构建的声学模型，对已有语言的识别，相比于单语言基线系统，WER平均相对下降2％，对少量数据的新语言快速移植建模，相比于单语言基线，WER平均相对下降20.9％;分析两种方法的优缺点:建模单元共享可以为无监督新语言提供可替代的声学模型，但是其多语言建模性能较差;模型参数共享方法建模性能较好，但无法使用于完全没有训练数据的新语言;\n 针对现有SHL-MDNN模型参数共享多语言建模无法为完全没有训练数据的新语言快速构建声学模型的缺陷，将模型参数共享和传统无监督声学建模方法相融合，利用多语言信息进行无监督种子模型的构建，并优化了无监督声学建模的迭代过程。以中英韩为多语言信息，在日语无监督数据上构建日语声学模型，相比于建模单元共享的多语言声学模型直接用于识别日语取得了相对24.8％的改善。\n 进行了MT-DNN的拓展研究。提出了Net2 WiderNet和Net2DeeperNet两种更灵活的模型参数共享策略，并将其用于多个同类型DNN训练的加速过程。并以上下文相关和上下文无关联合训练为例分析了模型参数共享策略的更广泛应用场景。

关键词：语音识别多语言声学建模知识共享多任务深度神经网络迁移策略

来源：评论

学校读者我要写书评

暂无评论

融合语言学知识与数据驱动方法进行音素聚类的多语言音素建模方法

融合语言学知识与数据驱动方法进行音素聚类的多语言音素建模方法

引用

2007年全国模式识别学术会议

作者：孟猛梁家恩徐波中科院自动化研究所数字内容技术研究中心，北京 100080

本文首先提出了以音子合并后模型自身似然度下降为距离依据，通过聚类生成多语言通用音子的声学建模方法。在此基础上，比较了聚类时增加两种限制条件(同一语种内音子不聚类、不同IPA族的音子不聚类)对性能的影响。最后的实验给出了建... 详细信息

本文首先提出了以音子合并后模型自身似然度下降为距离依据，通过聚类生成多语言通用音子的声学建模方法。在此基础上，比较了聚类时增加两种限制条件(同一语种内音子不聚类、不同IPA族的音子不聚类)对性能的影响。最后的实验给出了建立中英文双语混合模型在关键词检出系统上的结果，比较了几种聚类方法在不同通用音子个数情况下的性能优劣。结果显示，使用音子聚类方法进行一定程度的音子合并，性能比不作聚类直接混合建模有明显地提升;适当增加音子聚类的限制，有助于进一步提高性能。

关键词：多语言声学建模音素聚类音子合并

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：