语音算法笔记（4）——语音识别前沿课题

声明：本专栏文章为深蓝学院《语音算法：前沿与应用》课程个人学习笔记，更多学习资源请咨询深蓝学院相关课程。

远场语音识别

siri（2011）：近场语音识别

echo（亚马逊，2014）：远场语音识别

当说话人和麦克风相离3-5米时，可以认为是远场语音识别。

困难：1.背景噪声 2.扬声器音乐干扰 3.麦克风灵敏度 4.墙面折射声波 5.声波漫射

解决方法：

1.数据增强——加混响（卷积）、加噪声（时域叠加，调节噪声能量，控制信噪比）、音量扰动（训练数据音量随机放大或缩小）、速度扰动（改变速度tempo参数、音调speed参数）、时域mask、频域mask，可参考ASplRE竞赛

2.做信号处理，提高输入音频的质量——AEC（设备知道播放的是什么音乐，可以把音乐减掉）、AGC(测试数据的音量归一化)、BF（多路麦克风的情况）、NS（提高信噪比方式）

AEC：

AEC技术问题：时间延迟估计（声源和扬声器位置不同）、双讲模块、回声残留， etc

AGC：