yang_daxia的博客

 作者的灵感来源于在文章Fully Character-Level Neural Machine Translation without Explicit Segmentation中的模型。原型如下图所示：CBHG模块如下图所示。首次提出在Goggle的一篇文章：TACOTRON: TOWARDS END-TO-END SPEECH SYNTHESIS  回到CBHG模...

        本人整理了NN语言模型在语音识别领域的应用论文。全部为2015年-2018年的会议论文。相关的期刊论文特别少，而且创新性没有会议高。论文几乎全部是语音类的最高级别会议ICASSP（B类）和Interspeech. 如果懒得自己下的话，可以留下邮箱，我会发给你。 2015_ICASSP_Long short-term memory language models with ...

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...

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...