DNN模型对汉语电话录音识别的研究与比较

• 作者: 孔玲军 李艳
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: DNN GMM 电话录音 Kaldi
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 研究与探讨|Exploration
• 页码范围: 52-54
• 页数: 3页
• 分类号: TP399
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2022.03.014

摘要

深度神经网络DNN(Deep Neural Network)是近年机器学习理论中被诸多研究者广泛关注的语音识别模型.DNN模型利用DNN的学习能力可提升对噪声和口音的鲁棒性,在很多大规模语音识别任务中都超过了GMM模型.本文基于DNN与HMM特点,提取40维的MFCC特征向量后,利用DNN的每个输出节点估计HMM每个状态的后验概率,进而得到了对电话录音场景下的模型参数.最后,对1000小时的汉语电话录音和公开汉语语料集thchs-30上进行三次模型训练设计实验,并对比GMM-HMM模型参数效果.实验结果表明,DNN-HMM模型在1000小时的电话录音测试集上误识率降低了5.84％-9.42％,且两种模型识别效果表现得都比较稳定.