| Název: | Various DNN-HMM architectures used in acoustic modeling with single-speaker and single-channel |
| Další názvy: | Různé architektury DNN-HMM používané v akustickém modelování s jedním mluvčím a jedním kanálem |
| Autoři: | Psutka, Josef Vaněk, Jan Pražák, Aleš |
| Citace zdrojového dokumentu: | PSUTKA, J. VANĚK, J. PRAŽÁK, A. Various DNN-HMM architectures used in acoustic modeling with single-speaker and single-channel. In Statistical Language and Speech Processing, 9th International Conference, SLSP 2021, Cardiff, UK, November 23–25, 2021, Proceedings. Cham: Springer, 2021. s. 85-96. ISBN: 978-3-030-89578-5 , ISSN: 0302-9743 |
| Datum vydání: | 2021 |
| Nakladatel: | Springer |
| Typ dokumentu: | konferenční příspěvek ConferenceObject |
| URI: | 2-s2.0-85118136456 http://hdl.handle.net/11025/47266 |
| ISBN: | 978-3-030-89578-5 |
| ISSN: | 0302-9743 |
| Klíčová slova: | rozpoznávání řeči;akustické modelování;topologie HMM;Lattice-free MMI;single-speaker |
| Klíčová slova v dalším jazyce: | speech recognition;acoustic modeling;HMM topology;Lattice-free MMI;single-speaker |
| Abstrakt: | V tomto článku diskutujeme některé zajímavé rysy trénování speciálního akustického modelu pouze pro jednoho řečníka s konstantním akustickým pozadím (akustický kanál). V současné době metoda LF-MMI dosahuje nejlepších výsledků v mnoha úlohách rozpoznávání řeči. Typický tréninkový postup LF-MMI používá speciální 1stavovou topologii HMM, která má různé soubory pdf na přechodech self-loop a dopředných přechodech. Rádi bychom probrali nahrazení tohoto typického LF-MMI HMM různými typy topologií HMM (1-, 2- a 3-stavové HMM topologie, které mají výstupy spojené se stavy). Dále probereme výhody použití modelování kontextu bifonu oproti použití kontextu trifonu nebo ještě jednoduššího bezkontextového monofonu. Řešíme také vliv množství trénovacích dat a kontextu DNN na WER, a to vše s ohledem na speciální akustický model s jedním mluvčím a téměř konstantním akustickým kanálem. |
| Abstrakt v dalším jazyce: | In this paper, we discuss some interesting features of training a special acoustic model for only one speaker with a constant acoustic background (acoustic channel). Currently, the LF-MMI method achieves the best results in many speech recognition tasks. A typical LF-MMI training procedure uses a special 1-state HMM topology that has different pdfs at the self-loop and forward transitions. We would like to discuss the replacement of this typical LF-MMI HMM by different types of HMM topologies (1-, 2- and 3-state HMM topologies that have outputs associated with states). Next, we discuss the advantages of using biphone context modeling over using the triphone context or even simpler context-free monophone. We also address the effect of the amount of training data and the context of DNN on WER, and all this with regard to a special acoustic model with one speaker and an almost constant acoustic channel. |
| Práva: | Plný text není přístupný. © Springer |
| Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KKY) OBD |
Soubory připojené k záznamu:
| Soubor | Velikost | Formát | |
|---|---|---|---|
| Psutka2021_Chapter_VariousDNN-HMMArchitecturesUse.pdf | 390,6 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/47266Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.