Title: Training of speaker-clustered discriminative acoustic models for use in real-time recognizers
Other Titles: Trénování diskriminativních akustických modelů založených na shlucích řečníků pro rozpoznávání řeči pracujícím v reálném čase
Authors: Vaněk, Jan
Psutka, Josef V.
Zelinka, Jan
Trmal, Jan
Citation: VANĚK, Jan; PSUTKA, Josef V.; ZELINKA, Jan; TRMAL, Jan. Training of speaker-clustered discriminative acoustic models for use in real-time recognizers. In: Speech processing. Prague: Institute of photonics and electronics AS CR , 2010, p. 152-158. ISBN 978-80-86269-21-4.
Issue Date: 2010
Publisher: Institute of photonics and electronics AS CR
Document type: článek
article
URI: http://hdl.handle.net/11025/16957
ISBN: 978-80-86269-21-4
Keywords: model shlukování řečníků;akustické modelování;automatické rozpoznávání řeči
Keywords in different language: speaker-clustered model;acoustics modeling;automatic speech recognition
Abstract: Je dobře známo, že akustické modely, založené na informaci o pohlaví řečníka, jsou více akusticky homogenní, a proto dosahují lepších výsledků rozpoznávání než jeden univerzální akustický model v případě, že je pohlaví řečníka úspěšně detekováno, nebo předem známo. Řečníci ovšem nemusí být rozděleni jen do dvou skupin. V tomto článku je popsán algoritmus, který je schopen vytvořit větší množství shluků řečníků. Dále se tento článek zabývá problémem vhodného použití těchto modelů v systémech rozpoznávání řeči pracujících v reálném čase, kde informace od detektoru správného shluku řečníků je často zpožděná nebo nesprávná. Dále jsou ještě v článku diskutovány různé přístupy k začlenění diskriminativních metod při trénování těchto akustických modelů.
Abstract in different language: It is well known that gender-dependent (male/female) acoustic models are more acoustically homogeneous and therefore give better recognition performance than single gender-independent model in the case where the gender is successfully detected or a priory known. Speakers do not need to be split to two groups only. An algorithm to make higher number of speaker clusters is described in this paper. Further, the paper deals with a problem how to use these gender-based or speaker-clustered acoustic models in a real-time LVCSR where information from an automatic cluster detector is often delayed or incorrect. Moreover, various ways, how to incorporate discriminative training methods into training of the speaker-clustered acoustic models, are discussed in the paper.
Rights: © Jan Vaněk - Josef V. Psutka - Jan Zelinka - Jan Trmal
Appears in Collections:Články / Articles (KIV)
Články / Articles (KKY)

Files in This Item:
File Description SizeFormat 
VanekJan_2010_Trainingof.pdfPlný text184,32 kBAdobe PDFView/Open


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/16957

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.