基于深度神经网络的说话人自适应方法研究

• 作者: 古典 李辉
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 说话人自适应 LHUC i-vector 多任务学习
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 60-64
• 页数: 5页
• 分类号: TN912.34
• 字数: 4149字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.04.014

摘要

在说话人自适应领域,基于深度神经网络(DNN)的说话人自适应方法已成为主流方法.学习性隐层单元贡献(LHUC)作为一种有效的无监督自适应方法比其他自适应方法有诸多优势,而自适应数据的稀疏问题却导致识别性能受到影响.为了降低数据稀疏所带来的影响,在原有LHUC技术的基础上,加入i-vector及多任务学习这两种方法分别与其相结合.在TED-LIUM语料库上进行实验,实验结果表明,两种融合方法都比原系统表现出了更好的性能,单词错误率(WER)分别相对降低了2.5％和1.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	中国科学技术大学电子科学与技术系	214	1637	20.0	32.0
2	古典	中国科学技术大学电子科学与技术系	1	1	1.0	1.0