phoneme recognition | BriefGPT

关键词phoneme recognition

搜索结果 - 21

TIPAA-SSL: 基于自监督学习和知识迁移的文本无关电话音频对齐
基于音素识别、表示学习和知识迁移，本文提出了一种新颖的文本无关音频对齐方法，利用自监督模型、维度降低模型和基于帧级音素分类器的强制对齐标签来产生多语言语音学表示，取得了优于传统方法的统计指标表现，在语言学习和语音处理系统中有应用意义。
PDF2 months ago
言不足以表达：歌唱语音识别中的进展与挑战
本文旨在探讨歌唱领域中的语音识别挑战和进展，包括音高变化、各种歌唱风格和背景音乐干扰等唱歌所特有的挑战。我们研究了音素识别、歌曲中的语言识别、关键词检测和完整歌词转写等关键领域。通过描述作者在这些任务刚开始崭露头角的研究经历，同时还介绍了近
PDF4 months ago
优化双向跨语言迁移学习：音素识别和音素到字素转换
优化两阶段跨语言迁移学习在低资源语言中的应用，通过改进音素识别和音素到字素转换模型，优化了语音识别跨语言学习过程，合并共享发音特征的音素以增强识别准确性，引入全局音素噪声生成器降低错误传播。在 CommonVoice 12.0 数据集上的实
PDF7 months ago
减少、重用、循环利用：扰动数据是否比其他语言增强对于低资源自我监督语音模型更好
利用音频增强方法预训练自监督表示学习（SSRL）模型，相比监督模型，在低资源语言中改善了下游音素识别性能。研究比较了不同的增强技术，包括音高变化、噪音添加、目标语言口音和其他语言语音，并发现了综合增强（噪音 / 音高）是最佳的增强策略，超过
PDF9 months ago
使用 S3PRL 工具包进行语音数据增强方法比较
本文使用 S3PRL toolkit 比较不同的数据增强策略，包括 SpecAugment，Gaussian Noise 和 Speed Perturbation，探讨了 HuBERT 和 wav2vec 在 Phoneme Recogni
PDFa year ago
SAN: 一个强健的端到端自动语音识别模型架构
本研究提出一种新颖的 Siamese Adversarial Network (SAN) 结构，可以显著降低字符误差率（CER），实现了自动语音识别任务上的新突破。该网络能够捕捉到更多的声学特征，同时优化输出分布，适用于含有不清晰音频的数据
PDF2 years ago
基于自监督预训练声学模型的多语言零资源语音识别
本文研究使用预训练模型来解决无监督语音识别中的音素和单词级别的问题。通过在 IPA 音素转写上微调预训练模型并使用语言模型进行解码，实验结果表明该方法可在某些语言上实现低于 20% 的单词错误率，8 种语言的平均错误率为 33.77%。
PDF2 years ago
Transformer、卷积和循环神经网络在音素识别上的比较
本文探讨了 CNN、RNN、Transformer 及 Conformer 模型在语音识别方面的应用，对不同架构的精度进行了比较和分析，发现 Transformer 和 Conformer 模型在输入帧的长程可达性方面表现优异。
PDF2 years ago
基于文本感知的端到端发音错误检测和诊断
本文设计了门控策略以及对比学习等方法，以便更好地利用先前给定的文本信息作为指导，有效地提高了自动语音纠音技术的性能。
PDF2 years ago
使用迁移学习、注意力和数据增强从连续乌尔都语音中识别单词边界和音素
本文提出 STRATA 框架，使用监督机器学习，seq2seq 神经架构，数据增强等技术来解决少资源语言的 Phoneme recognition 问题，并取得了良好的效果。
PDF2 years ago
ICLR基于生成潜变量模型的语音对比基准测试
该研究发展了一种基于时间的语音 LVM 基准，并将其与实用模型进行了比较，结合使用度量标准以及潜在变量等进行定量的分析。同时，也探究了建立在多个潜在变量层次上的时钟 VAE 模型在提高语音生成表现中的应用。
PDF2 years ago
时间拉伸对改善口吃病患者的言语能力和识别度的有效性研究
本文中，我们研究了几种现有和一种新型的基于生成对抗网络（GAN）的语音转换方法，用于增强发音不清的语音以提高发音不清的语音识别；我们比较了现有方法的关键组件，以确定最有效的解决方案来改善发音不清的语音识别。我们发现，一些直接的信号处理方法，
PDF2 years ago
CGCNN: 基于原始语音的复杂 Gabor 卷积神经网络
使用复杂的 Gabor 滤波器和深度神经网络的方法，在 TIMIT 音素识别任务中取得了最佳表现，同时保持可解释性。
PDF4 years ago
四元数卷积神经网络用于端到端自动语音识别
该研究论文介绍了一种新的方法，使用四元数代替传统的时间帧维度元素作为输入特征来训练基于 QCNN 和 CTC 模型进行序列到序列映射的语音识别系统，实验结果表明，相较于基于传统卷积神经网络的竞争模型，该方法具有更高的准确率且参数更少。
PDF6 years ago
通过对音频嵌入进行对抗学习映射关系实现完全无监督的音素识别
本文提出一种利用生成对抗网络进行无监督音素识别的方法，并取得了 36% 的准确率。
PDF6 years ago
使用变分推断学习硬对齐
本文介绍了使用变分推断方法学习序列任务的困难注意力，在干净和嘈杂环境中的语音识别任务中，该方法表现出了比 REINFORCE 更好的效果。
PDF7 years ago
基于 FPGA 的深度神经网络实现，仅使用芯片内存
本研究开发了一种基于 FPGA 的定点深度神经网络系统，实现了手写数字识别和音素识别任务，相较于基于 GPU 的系统有更高的效率和更低的功耗。
PDF8 years ago
通过稳定激活函数来规范化循环神经网络
通过对 Recurrent Neural Networks 中隐藏状态范数的平方距离进行惩罚，我们稳定了激活值，这是一种有效的正则化方法，提高了字符级语言建模和音素识别性能，超越了加权噪声和 dropout 的方法
PDF9 years ago
ICLR使用卷积神经网络学习语音识别线性可分特征
本研究旨在探讨卷积神经网络和简单线性分类器在提取自然语音特征以进行语音识别方面的应用，而该方法已被证明在音素识别模型和大规模连续语音识别时十分有效。
PDF10 years ago
NIPS使用卷积神经网络进行端到端音素序列识别
本文探讨了使用卷积神经网络对原始语音信号进行端对端的音素识别，结果表明在 TIMIT 和 WSJ 数据集中，与基于 MFCC 的系统相比具有相似的性能。
PDF11 years ago