Jan, 2022

一种基于层次判别式 PLDA 的语音识别模型

PDF
TL;DR本文介绍了一种基于概率线性判别分析模型的口语语言识别方法，该模型通过提取音频样本的嵌入向量得出语音信号的语言，并基于层次方法和最大熵准则进行训练，结果表明该识别方法可以用于高度相关的语言中并具有鲁棒性。
spoken language recognitiondetection problemplda modelhierarchical approachcross-entropy objective
发现论文，激发创造
  • 通过多标签分类实现有效的口语语言识别

    本文主要讲述了如何利用卷积神经网络构建高效的口语语种识别模型，并在训练时采用多标签的方式来应对非目标语种的识别，实验结果表明，该模型相比当前最先进的方法在速度上有数量级的提升，并且在多标签分类任务中更加稳健。

    Jun, 2023

  • 基于 PLDA 的说话人识别盲分数归一化方法

    该论文提出一种新的 PLDA 得分规范化技术来解决在说话人识别任务中，如果注册数据大小不同，则观察到性能下降的问题。该方法可以盲目地获取规范化参数，因此不需要额外的开发数据，并且在检测成本函数方面具有最优性。在 NIST SRE 2014 数据库上进行的实验表明，在混合注册人数条件下，准确性有所提高。

    Feb, 2016

  • 面向语言识别的标签感知语音表示学习

    本文提出了一种新的 Label Aware Speech Representation (LASR) 方法，将自我监督表示学习与语言标签信息相结合，使用三元组目标函数将语言标签与自我监督损失函数结合起来，并进一步优化语音表示以适用于下游任务，发现该方法比现有的语言识别系统更为有效，并可应用于多语音识别任务。

    Jun, 2023

  • 基于视频的手语识别，无需时间分割

    该研究提出了一种用 Hierarchical Attention Network 和 Latent Space 实现连续手语识别的新型框架，该方法无需时间分割预处理、可以缩小语义差距，并在实验中得到了验证。

    Jan, 2018

  • 不受帧序约束的手语识别：阿根廷手语的概念验证

    该研究探讨了自动手语识别的问题，提出了一种基于概率模型的手语分类方法，通过对具有 64 个类别和 3200 个样本的阿根廷手语数据集进行测试，证实了可以实现不考虑顺序的识别，并取得了 97% 的准确率。

    Oct, 2023

  • 基于子空间表示与学习的音系口语语言识别

    本研究提出了一种基于子空间表示的新的学习机制，可用于从话语中提取隐藏的音位结构以进行语言验证和方言 / 口音识别，并通过核机器（如支持向量机和基于子空间的神经网络）的子空间学习实现。

    Mar, 2022

  • 探索多语种广播和机构演讲自动转写的口语语言识别策略

    该论文讨论了多语言广播和机构性语音的口语语言识别（SLI）和语音识别，这些是在 SLI 文献中很少讨论的真实应用场景。

    Jun, 2024

  • 深度循环神经网络实现口语语言标注

    本文研究口语理解技术中的语义解释提取问题，提出基于深度 RNN 的新型架构，通过在 ATIS 和 MEDIA 语料库上的实验，取得了较先前研究更优的最新成果。

    Jun, 2017

  • 使用深度卷积循环神经网络进行语言识别

    该论文提出了基于图像领域解决 LID 问题的模型，使用了混合的卷积循环神经网络技术对提供的音频片段的频谱图像进行分析，并在广泛的实验中证明了模型的应用性，能够轻松地扩展到以前未知的语言，同时保持其分类准确性。

    Aug, 2017

  • 离散 SLU：自我監督的离散语音单元用于口语理解的大型语言模型

    通过将预训练的基于文本的大型语言模型（LLM）与语音输入集成，我们提出使用离散语音单元（DSU）代替连续值语音编码器输出，通过语音适配器将其转换为 LLM 的标记嵌入空间。我们使用自监督语音编码器后跟 k-means 聚类生成 DSU。所提出的模型在来自可见 / 不可见领域的语音输入上表现出强大的性能，并具有口语问答指令遵循能力。我们还探索了来自自监督语音编码器的不同层以及 Mel 频率倒谱系数（MFCC）提取的各种类型的 DSU。我们的发现表明，在口语问答任务的指令调优中，ASR 任务和数据集并不关键。

    Jun, 2024