Jul, 2018

使用多语言瓶颈特征进行 ASR-free CNN-DTW 关键词检测，适用于几乎零资源语言

PDF
TL;DR本文介绍一种基于多语言瓶颈特征（BNFs）的零资源关键字识别方法，将短语音片段进行动态时间规整（DTW）对齐，并使用卷积神经网络（CNN）进行关键字识别，同时借鉴多种资源语言，提高 DTW-CNN 方法的准确性，为低资源语言关键字识别提供了一种有竞争力的选择。
multilingual bottleneck featureszero-resource keyword spottingdynamic time warpingconvolutional neural networklow-resource keyword spotting
发现论文，激发创造
  • 使用 DTW 和 CNN 进行快速 ASR 免费的几乎零资源关键词检测 —— 人道主义监控

    本研究使用动态时间规整作为卷积神经网络关键词识别系统的训练监督技术，旨在利用少量带注释的语音语料，并结合大量未标记数据进行训练，从而在 UN 急需援助的非洲地区提供语音识别服务。结果表明，使用动态时间规整后的卷积神经网络系统，虽然不能达到动态时间规整系统的表现，但在极度有限的数据集上仍比使用传统卷积神经网络分类器的表现更优。

    Jun, 2018

  • 零资源语言中基于子词建模的多语言瓶颈特征

    本文基于无监督学习的方法，通过使用多语言瓶颈特征加速语音技术的开发，旨在从语音的子单位建模中提高识别准确率，并使用诊断类自编码器技术进一步提高多语言语音识别系统的性能。

    Mar, 2018

  • 多语言瓶颈特征用于改善低资源语言中码切换语音识别性能

    本文通过使用多语言瓶颈特征（mBNF）来进行声学建模的自动语音识别研究探讨了借助其他高资源语言的语音语料库来提高 Code-Switching 语音识别性能的潜力，并证明了 mBNF 特征的加入能够明显提高英语 - isiZulu、英语 - isiXhosa、英语 - Sesotho 和英语 - Setswana 语音的性能。

    Oct, 2020

  • 基于序列的多语言低资源语音识别

    研究多语言和跨语言语音识别技术，通过使用基于序列的端到端方法，提高系统性能，并可跨语言适应新的语言和领域。

    Feb, 2018

  • 基于混合 ASR 瓶颈特征的内容和细粒度韵律信息解耦用于语音转换

    该研究提出了一种使用来自连接时序分类损失和交叉熵损失自动语音识别模型提取的混合瓶颈特征的任何到一语音转换方法，并使用渐变反转层和实例归一化从两种瓶颈特征中提取信息以提高相似度、自然度和语音质量。

    Mar, 2022

  • 可扩展多语言关键词检测模型的本地编码

    该研究提出了一种多语言关键词检测系统，该系统可在多个场所检测口语关键词。通过使用基于区域条件的通用模型，该系统能够有效地克服传统单语言关键词检测方法在多语言场景下的开发 / 维护成本高和资源缺乏等问题，并在不同噪声条件下的所有区域显着提高了准确性。其中，特征调制方法效果最佳，与类似大小的单语言模型相比，平均 FRR 提高了 61％。

    Feb, 2023

  • 多语言神经表示的端到端开放词汇关键词搜索

    利用多语言预训练的神经 ASR-free 关键词搜索模型能够显著提高性能，并且在长查询和未出现在训练数据中的查询方面胜过基于 ASR 的系统。

    Aug, 2023

  • 基于音素、字素和多语言 CTC 的语音识别

    该论文研究了通过使用其他语言的数据和建立多语言系统来处理自动语音识别中数据稀缺性的问题，使用循环神经网络和连接时序分类等技术进行训练，提高了多语言系统的性能，缩小了单语和多语系统之间的差距。

    Nov, 2017

  • 基于数据及知识驱动的多语言训练方法，提升印度语言语音识别系统的性能

    使用数据和知识驱动的方法结合多语言语音数据来进行自动语音识别系统的多语言训练，并在低资源和中资源运用 DNN 的分层映射技术和多任务 DNN 模型，分别在印度语种中取得 9.66％ ~ 27.24％不等的相对准确率提升。

    Jan, 2022

  • 从非常嘈杂和混杂的语音中识别关键词

    本文提出了一种新的 Mix Training（MT）策略，用于探测嵌入在强干扰和混合语音中的低能量关键词，使用卷积神经网络（CNN）和 EfficientNet（B0/B2）架构，实验结果在 Google 语音命令数据集上表明，提出的混合训练方法高度有效，优于传统的数据增强和混合训练。

    May, 2023