基于改进混合CTC/attention架构的端到端普通话语音识别

• 作者: 周刚 杨鸿武
• 来源期刊: 西北师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 语音识别 链接时序分类 注意力机制 混合CTC/attention 端到端系统
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机与信息科学
• 页码范围: 48-53
• 页数: 6页
• 分类号: TN912.34|TP181
• 字数: 5139字
• 语种: 中文
• DOI: 10.16783/j.cnki.nwnuz.2019.03.009

摘要

端到端的语音识别通过用单个深度网络架构表示复杂模块,减少了构建语音识别系统的难度.文中对传统的混合链接时序分类(Connectionist temporal classification,CTC)模型和基于注意力机制(Attention-based)模型的端到端语音识别架构进行了改进,通过引入动态调整参数对CTC模型和基于注意力机制模型进行线性插值,从而实现混合架构的端到端语音识别.将改进后的方法应用在中文普通话语音识别中,选择带投影层的双向长短时记忆网络(Bidirectional long short-term memory projection,BLSTMP)作为编码器网络模型,声学特征选取80维的梅尔尺度滤波器组系数和基频共83维特征.实验结果表明,与传统的端到端语音识别方法比较,文中方法在普通话语音识别上能够降低3.8％的词错误率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鸿武	西北师范大学物理与电子工程学院	55	308	11.0	14.0
2	周刚	西北师范大学物理与电子工程学院	2	2	1.0	1.0