Apr, 2022

面向儿童语音识别的基于滤波器的判别自编码器

PDF
TL;DR本文提出了一种基于滤波的判别性自编码器技术，旨在解决儿童语音识别中多种说话人类型和音高的影响问题，并在测试集上实现了较基准系统更高的识别率，并在英国口音 PF-STAR 任务中实现了比基线系统更好的结果。
children speech recognitionfilter-based discriminative autoencoderacoustic modelingphonetic embeddingdomain adaptation
发现论文，激发创造
  • 基于链的判别自编码器用于语音识别

    该论文提出了一种基于自编码器的语音识别方法，使用分类交叉熵和互信息作为目标函数，有效提高音频降噪和增强的效果。

    Mar, 2022

  • 基于对抗多任务学习的说话人和年龄不变性训练，用于儿童声学建模

    本文提出了基于对抗多任务学习的演讲者及年龄不变训练方法，利用时间延迟神经网络生成说话者及年龄不变特征与语音、年龄和演讲者三个判别式网络相连，成功降低了语音识别中的错误率。

    Oct, 2022

  • 使用 WaveNet 自编码器进行无监督的语音表示学习

    本研究旨在通过自编码神经网络从语音波形中提取有意义的潜在表示，并比较三个变体：简单维度约束、高斯变分自编码器和离散量化矢量自编码器，成果表明此方法在 ZeroSpeech 2017 任务中获得了可比拟的表现。

    Jan, 2019

  • 基于语音和文本数据的音位结构学习，较少资源近乎无监督的语音识别

    利用音频字向量和自编码器实现跨模态的语音识别，演示了即使缺乏训练数据，也可以从少量音频和文本之间的嵌入对齐中进行 ASR 系统的训练。

    Oct, 2018

  • 基于自编码器的超声默读口形与声学映射

    通过对超声图像训练自编码神经网络，将神经网络的输入特征从像素级别转移为自编码器的瓶颈层激活，以更高的效率和准确性估计语音合成所需的频谱参数。

    Apr, 2019

  • 使用 Transformers 和源 - 滤波变形的转移学习用于强健的低资源儿童语音自动识别

    本文提出数据增广技术和转移学习策略，使得基于 XLS-R 架构的 Transformer 模型能更好地识别儿童英语语音，测试集词错误率为 4.86%。

    Jun, 2022

  • 使用深度自编码器进行音频源分离

    该论文提出了一种利用深度自编码器进行无监督音频源分离的新框架，在适当配置的自编码器的帮助下，通过对编码器向量进行聚类，自动分离混合输入中未知源信号的特征。通过调查权重向量并对激活系数在代码层进行聚类，观察了频域中音频信号的原始组件。通过使用属于不同聚类的代码向量，分离并重构原始源声音。虽然回复的音频不是完美的，但在许多实际应用中可能会产生有希望的结果。

    Dec, 2014

  • 使用离散隐变量神经网络进行语音合成的无监督声学单元发现

    本文介绍了使用离散潜变量神经网络对无标签语音进行离散子单词建模，使用自编码器架构进行中间离散化，在训练中，根据模型的特点对语音单元重新建模，以甄别可离散化的语音特征。在测试中，离线甄别采用未知说话者的语音，通过已知目标说话者的条件下的解码来获得重构的滤波器组。最后，使用神经声码器将输出进行合成，比较分别使用分类变分自编码器（CatVAEs）, 矢量量化 VAEs（VQ-VAEs）和直通估计在两种语言上的不同压缩水平，并发现该模型可以在离散表示方面产生竞争性的合成质量

    Apr, 2019

  • 学前儿童语言发展测试中的伪词发音分类

    本研究旨在通过使用不同方法进行语音分析，包括低级特征、说话者嵌入、音素和 ASR 音频模型，使用 VGG - 类 5 层 CNN 分类器，以便自动评估儿童的语言发展是否年龄适宜，证明如果精细调节音素模型，精度可以获得显著提高，并且 ASR 伴音模型提取的语音特征在此任务中表现最佳。

    Jun, 2022

  • 使用编码器 - 解码器模型中的弱自上而下约束实现真正的无监督声学词嵌入

    本文提出了一种基于编码器 - 解码器一一对应自编码器 (EncDec-CAE) 的无监督学习方法，用于从可变长度的语音以及无标签的语音数据中提取出与固定维度表示形式相对应的词嵌入，从而在无资源语音搜索、发现和索引系统中发挥重要作用，并在词辨别任务中相对于最接近的竞争对手提高了 24% 的平均精度。

    Nov, 2018