一种基于DNN的少儿英语口语评分系统的改进

• 作者: 王欣欣 马发民
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 语音识别 DNN 线性整流函数 儿童英语
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 基金项目
• 页码范围: 46-50
• 页数: 5页
• 分类号: TN912.34
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.09.009

摘要

由于目前基于深层神经网络隐马尔可夫模型(CD-DNN-HMMs)自动口语评分系统对少儿口语的兼容性不是很高,存在一定程度的误差,因此提出了DNN的语音识别系统,其主要组成是线性整流函数.实验结果表明,与高斯混合模型(GMM-HMMs)相比,即使该模型训练了8倍以上的数据,但其识别精度也远低于基于DNN的识别方法,而且DNN方法的相对功耗降低了31％.这进一步提高了提取特征的质量和最终的英语口语水平分数,并将整体的自动评价性能提高到了人工的绩效水平,并且在儿童英语语音中常见的嘈杂和/或不清楚反应的情况有了很大的改善.