基于SDC特征和GMM-UBM模型的自动语种识别

• 作者: 姜洪臣 张树武 徐波 郑榕
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 SDC特征 GMM-UBM模型 贝叶斯自适应 自动语种识别
• 年，卷（期）: 2007,（1）
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP3
• 字数: 3957字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2007.01.008

摘要

本文提出了一种基于SDC特征和GMM-UBM模型的自动语种识别方法.SDC特征由许多语音帧的一阶差分谱连接扩展而成,与传统的MFCC特征相比,包含了更多的时序特征信息.UBM模型反映了所有待识别语种的特征分布特性,借助贝叶斯自适应算法可以快速得到每个语种的模型.与传统的GMM方法相比,该方法的训练和识别的速度更快.该方法对OGI电话语音库中11个语种进行了测试,其10秒、30秒和45秒句子的最佳识别正确率分别为72.38%、82.62%和85.23%,识别速度约为0.03倍实时.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑榕	中国科学院自动化研究所	3	31	3.0	3.0
2	徐波	中国科学院自动化研究所	92	929	15.0	27.0
3	张树武	中国科学院自动化研究所	18	61	4.0	7.0
4	姜洪臣	中国科学院自动化研究所	3	42	2.0	3.0