Aug, 2020

基于神经网络的语音识别自适应算法概述

PDF
TL;DR本文概述了基于混合隐马尔可夫模型 / 神经网络系统和端到端神经网络系统的适应性算法，重点关注说话人适应、领域适应和口音适应，并将适应性算法分为嵌入、模型参数适应或数据增强。我们对文献中语音识别适应算法的性能进行了元分析，基于相对误差率减少。
发现论文，激发创造
  • 基于说话人自适应的神经声码器的参数化语音合成系统

    本文提出了适应性讲话者神经声码器，用于参数文本到语音（TTS）系统，利用全局属性提取方法及目标讲话者特征优化获得了高质量可自适应的 TTS 语音合成。

    Nov, 2018

  • 神经网络语言模型的增量适应策略

    本文提出了两种优化神经网络语言模型适应新数据的方法，包括在重新采样数据上进行继续训练或插入适应性层。在 CAT 环境中应用于 SMT 系统中，这两种方法均取得了显著的改进。

    Dec, 2014

  • 基于对抗学习的无监督领域自适应技术，用于提高语音识别的鲁棒性

    利用对抗性学习进行无监督适应性，采用神经网络和未分类的适应性数据解决了远程语音识别问题，相对于没有适应的模型，相对词错误率下降了 19.8%。

    Jul, 2018

  • 快速连接主义说话人适应

    该研究介绍了一种名为 SVCnet 的系统，使用专门针对每种语音声音的编码神经网络生成小维度的声学变异模型，并进一步将这些模型组合成总体的声音变异模型。该系统可以用于适应识别新说话人的功能，其中将 SVCnet 与 MS-TDNN 识别器相结合的系统也被详细介绍。

    Nov, 2022

  • 跨口音语音识别上的快速适应学习

    研究了方言对同一语言单词发音的影响，提出了一种基于模型对抗元学习算法的跨方言英语语音识别任务，通过实验表明该方法显著优于联合训练。

    Mar, 2020

  • 使用自适应和多头自注意力进行语音增强

    该论文研究了一种使用辅助说话者感知特征的自适应语音增强方法，从测试话语中直接提取用于适应的说话者表示。采用多任务学习的语音增强和说话人识别，并使用说话人识别分支的最终隐藏层输出作为辅助特征。此外，采用多头自注意力机制捕捉语音和噪声的长期依赖关系。在公共数据集上的实验结果表明，该策略实现了最先进的性能，并在主观质量方面优于传统方法。

    Feb, 2020

  • 面向语音识别的统一说话人适应方法

    本文提出了一种基于特征适应和模型适应的统一说话人自适应方法，其中采用一种说话人感知的持久性记忆模型进行特征适应，并使用一种新颖的逐步修剪方法进行模型适应。在 Librispeech 数据集上的实验结果表明，相对于基线方法，在一般说话人自适应和目标说话人自适应中使用所提出的方法可带来 2.74-6.52% 的词错误率下降，并且该方法具有良好的低资源适应性能。

    Oct, 2021

  • 使用神经联想记忆进行快速上下文适应，提高设备端个性化语音识别

    本文介绍一种基于模型的端到端语境自适应方法，它不依赖于解码器，适合用于设备上的个性化训练，实验结果表明，相比传统的重新评分技术，在连续个性化场景中，该方法可以使相对识别率（WER）提高 12％，实体提及特定 F1 得分提高 15.7％。

    Oct, 2021

  • 语音和视觉系统中深度神经网络调查

    该论文对视觉和语言领域中深度神经网络的最新架构、算法和系统进行了综述，并总结了在硬件限制平台上运行深度神经网络的主要挑战和最新进展，探讨了情感计算、智能交通和精准医学等领域中的新兴应用。

    Aug, 2019

  • 使用基于语音与基于语言的方法比较在阿尔茨海默病检测中使用 BERT 模型的必要性

    这篇研究论文探讨了如何通过自然语言处理和机器学习等方法，借助 Alzheimer's disease 相关数据集，提高人类认知障碍的检测准确性，与传统检测方法相比，使用 fine-tuned BERT 模型在 Alzheimer's disease 检测任务上具有更好的表现。

    Jul, 2020