一种基于CNN/CTC的端到端普通话语音识别方法

• 作者: 刘卓 潘文豪 潘粤成 蔡典仑 韦政松
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 卷积神经网络 中文语音识别 连接时序分类 端到端系统
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机技术
• 页码范围: 65-68
• 页数: 4页
• 分类号: TN912.34|TP399
• 字数: 2692字
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2020.05.019

摘要

为了实现离线状态较高正确率的中文普通话语音识别,提出一种基于深度全卷积神经网络CNN表征的语音识别系统的声学模型,将频谱图作为输入,在模型结构上参考了VGG模型.在输出端,该模型可以与连接时序分类完美结合,从而实现整个模型的端到端训练,将声波信号转换成普通话拼音序列.语言模型则采用最大熵马尔可夫模型,将拼音序列转换为中文文本.实验表明,此算法在测试集上已经获得了80.82％的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘粤成	华南理工大学自动化科学与工程学院	1	0	0.0	0.0
2	刘卓	华南理工大学自动化科学与工程学院	1	0	0.0	0.0
3	潘文豪	华南理工大学自动化科学与工程学院	1	0	0.0	0.0
4	蔡典仑	华南理工大学机械与汽车工程学院	1	0	0.0	0.0
5	韦政松	华南理工大学自动化科学与工程学院	1	0	0.0	0.0