yang_daxia的博客

一、语音识别框架传统理论重点研究声学模型，发音字典不用关心，语言模型一般用n-gram预处理：1. 首尾端的静音切除，降低对后续步骤造成的干扰，静音切除的操作一般称为VAD。 2. 声音分帧，也就是把声音切开成一小段一小段，每小段称为一帧，使用移动窗函数来实现，不是简单的切开，各帧之间一般是有交叠的。特征提取：主要算法有线性预测倒谱系数（LPCC）和Mel 倒谱系数（MFCC）...

人工智能的会议没有专注于语音领域的,语音算是ai的一个实际应用方向吧,所以也能投ai的会议和期刊  列一下自然语言处理(NLP)这个小方向的： 会议(C): EMNLP (Empirical Methods in Natural Language Processing)              AEACL (Annual Conference of the European...

以前的语音识别系统基于高斯混合模型（Gaussian Mixture Model, GMM）和隐马尔可夫模型（Hidden Markov Model），即 GMM-HMM 模型。发展到端对端目前的端到端系统基本上基于两个框架，一个是 CTC（Connectionist Temporal Classification）框架，一个是基于注意力机制的 seq2seq 框架。CTC典型...

语音识别框架即声学模型加语言模型。 2018-icassp-ACCELERATING RECURRENT NEURAL NETWORK LANGUAGE MODEL BASED ONLINE SPEECH RECOGNITION SYSTEM提出一个用于在线语音识别的加速神经网络语言模型。首先介绍了一种具有过去历史信息的缓存语言模型，然后介绍了神经网络语言模型在CPU-GPU上的混合部...

2017_ICASSP_ACTIVE LEARNING FOR LOW-RESOURCE SPEECH RECOGNITION- IMPACT OF SELECTION SIZE AND LANGUAGE MODELING DATA对于低资源的语音识别，作者研究了选择部分大小以及语言模型数据大小的影响。模型结构为声学模型，发音模型和语言模型。语言模型的数据越多，识别率越好。创新点并不高。启...

目前语音识别的词错误率(WER)不同算法，不同语料是多少？本文结果来源于github一个大神的汇总。包括LibriSpeech语料库，WSJ, Rich Transcriptions，Hub5'00 Evaluation (Switchboard / CallHome），Fisher (RT03S FSH)等。详情可以去原地址查看。原文还包含AI各个方向应用的汇总综述等等。干货很多。原地址...

2016_ICASSP_Minimum word error training of long short-term memory recurrent neural network language models for speech recognition本文描述了在语音识别中的LSTM语言模型最小化词错误的训练。RNNLM一般通过最小化交叉熵训练去估计句子的概率值，这符合最大似然估计准则。...

语音识别可以看成语音的解码过程。为了实现实时语音识别，可以采用lattice rescoring.语音识别框架包括声学模型，词典模型和语言模型。现在也可以通过加权有限状态转换器weighted finite-state transducer(WFST)构建语音识别框架。可以通过单次传输或者多次传输实现语音解码。lattice rescore是一种多次传输解码，先通过一个简单的低级知识进行首次传输解...

摘要        作者展示了一种语音识别神经网络Listen, Attend and Spell。listen为一个金字塔形的RNN encoder网络，将声音信号的filter bank特征作为输入，speller为一个基于attention机制的RNN decoder网络，将文字字符作为输出。本网络不包含发音字典或者语言模型，在Google 语音搜索人物志，获得了14.1%的WER，使用...