互联网时代语音识别基本问题

被引：14

作者：

柯登峰

徐波

机构：

[1] 中国科学院自动化研究所

来源：

中国科学:信息科学 | 2013年 / 43卷 / 12期

关键词：

信号处理; 语音识别; 神经网络; 深度神经网络; 类人听觉;

D O I：

暂无

中图分类号：

TN912.34 [语音识别与设备];

学科分类号：

摘要：

语音识别技术经过半个世纪的积累,于近年来达到大规模商用水平.本文概括了统计语音识别理论的发展状况,并单独介绍了深度神经网络在声学建模、语言建模、多语言共享、语义识别等方面的卓越性能.深度神经网络的性能优势引起了我们强烈的兴趣.通过回顾类人听觉信息处理对深度神经网络的改进作用,我们意识到,深度神经网络与类人听觉信息处理相结合,必将推进语音识别技术的进一步发展.反过来,深度神经网络技术在语音识别中的进步,也必将推动类人听觉信息处理技术的进步.语音识别技术后续发展的重点是对深度神经网络的结构和训练算法的改进使之更好地实现类人听觉.最后,我们分析了采用深度神经网络模拟人类听觉的抗噪修复机理和听觉关注机理的可能性.

引用

页码：1578 / 1597

页数：20

共 7 条

[1] Statistical language model adaptation: review and perspectives[J] . Jerome R Bellegarda.Speech Communication . 2003 (1)
[2] Independent component analysis: algorithms and applications[J] . Neural Networks . 2000 (4)
[3] Maximum likelihood linear transformations for HMM-based speech recognition
Gales, MJF
[J]. COMPUTER SPEECH AND LANGUAGE, 1998, 12 (02) : 75 - 98
[4] Heteroscedastic discriminant analysis and reduced rank HMMs for improved speech recognition
Kumar, N
Andreou, AG
[J]. SPEECH COMMUNICATION, 1998, 26 (04) : 283 - 297
[5] MAXIMUM-LIKELIHOOD LINEAR-REGRESSION FOR SPEAKER ADAPTATION OF CONTINUOUS DENSITY HIDDEN MARKOV-MODELS
LEGGETTER, CJ
WOODLAND, PC
[J]. COMPUTER SPEECH AND LANGUAGE, 1995, 9 (02) : 171 - 185
[6] Power-Normalized Cepstral Coefficients (PNCC) for robustspeech recognition .2 Kim Chanwoo,R. M Stern. ICASSP 2012 . 2012
[7] A post-processing system to yield reduced word error rates .2 J.G. Fiscus. Recognizer output voting error reduction (ROVER) . 1997

← 1 →