La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Language Recognition Based on Acoustic Diversified Phone Recognizers and Phonotactic Feature Fusion Reconnaissance linguistique basée sur des reconnaissances téléphoniques acoustiques diversifiées et sur la fusion de fonctionnalités phonotactiques

Yan DENG, Wei-Qiang ZHANG, Yan-Min QIAN, Jia LIU

  • Vues en texte intégral

    0

  • Citer

Résumé:

Un système phonotactique typique pour la reconnaissance du langage est la reconnaissance téléphonique parallèle suivie d'une modélisation spatiale vectorielle (PPRVSM). Dans ce système, divers dispositifs de reconnaissance téléphonique sont appliqués en parallèle et fusionnés au niveau du score. Chaque outil de reconnaissance téléphonique est formé pour une langue connue, censée extraire des informations complémentaires pour une fusion efficace. Mais cette méthode est limitée par le grand nombre d’échantillons d’apprentissage pour lesquels une transcription au niveau mot ou téléphone est requise. De plus, la fusion des scores n'est pas la méthode optimale car la fusion au niveau des fonctionnalités ou du modèle conservera plus d'informations qu'au niveau des scores. Cet article présente une nouvelle stratégie pour construire et fusionner des dispositifs de reconnaissance téléphonique parallèles (PPR). Ceci est réalisé en formant plusieurs dispositifs de reconnaissance de téléphone acoustiques diversifiés et en fusionnant au niveau des fonctionnalités. Les dispositifs de reconnaissance téléphonique sont formés sur les mêmes données vocales, mais en utilisant des caractéristiques acoustiques et des techniques de formation de modèles différentes. Pour les caractéristiques acoustiques, les coefficients cepstraux à fréquence Mel (MFCC) et la prédiction linéaire perceptuelle (PLP) sont tous deux utilisés. De plus, une nouvelle fonctionnalité de cepstre temps-fréquence (TFC) est proposée pour extraire des informations acoustiques complémentaires. Pour la formation du modèle, nous examinons l'utilisation des méthodes du maximum de vraisemblance et du minimum d'erreur téléphonique pour former des modèles acoustiques complémentaires. Dans cette étude, nous fusionnons les caractéristiques phonotactiques des dispositifs de reconnaissance acoustique diversifiés des téléphones en utilisant une méthode de fusion linéaire simple pour construire le système PPRVSM. Une nouvelle approche de pondération optimisée par régression logistique (LROW) est introduite pour l'optimisation des facteurs de fusion. Les résultats expérimentaux montrent que la fusion au niveau des fonctionnalités est plus efficace qu’au niveau des scores. Et le système proposé est compétitif par rapport au PPRVSM traditionnel. Enfin, les deux systèmes sont combinés pour une amélioration supplémentaire. Le système le plus performant rapporté dans cet article atteint un taux d'erreur égal (EER) de 1.24 %, 4.98 % et 14.96 % sur les bases de données d'évaluation NIST 2007 LRE de 30 secondes, 10 secondes et 3 secondes, respectivement, pour le système fermé. définir les conditions de test.

Publication
IEICE TRANSACTIONS on Information Vol.E94-D No.3 pp.679-689
Date de publication
2011/03/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E94.D.679
Type de manuscrit
PAPER
Catégories
Parole et audition

Auteurs

Mots-clés

Table des matières