基于深层神经网络的藏语识别

摘要：

文中首次涉及藏语的自然对话风格大词汇电话连续语音识别问题.作为一种少数民族语言，藏语识别面临的最大的困难是数据稀疏问题.文中在基于深层神经网络( DNN)的声学模型建模中，针对数据稀疏的问题，提出采用大语种数据训练好的DNN作为目标模型的初始网络进行模型优化的策略.另外，由于藏语语音学的研究很不完善，人工生成决策树问题集的方式并不可行.针对该问题，文中利用数据驱动的方式自动生成决策树问题集，对三音子隐马尔可夫模型( HMM )进行状态绑定，从而减少需要估计的模型参数.在测试集上，基于混合高斯模型(GMM)声学建模的藏字识别率为30.86%.在基于DNN的声学模型建模中，采用三种大语种数据训练好的DNN网络作为初始网络，并在测试集上验证该方法的有效性，藏字识别正确率达到43.26%.

关键词：藏语、连续语音识别、数据驱动、深层神经网络(DNN)

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61273264

在线出版日期：2015-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：209-213