10.16652/j.issn.1004⁃373x.2021.11.036
基于CNN⁃HMM和RNN的维吾尔语语音识别
神经网络模型的发展给资源匮乏语言的语音及语言信息处理带来新的机遇,基于神经网络的少数民族语言的语音识别系统效率及准确率比传统方法有了很大提高.对于大词汇量语音识别系统,适当选择声学模型和语言模型很重要.对较小的维吾尔语语料库(THUYG公开语料库)进行了深入研究,采用Kaldi开源语音识别平台将深度的CNN?HMM作为声学模型,通过理论分析和对比实验,分别在N?gram和RNN两种语言模型上进行对比实验.实验结果表明,基于神经网络RNN语言模型的系统有更好的识别效果,提升了维吾尔语语音识别准确率,并将词错误率降到15.06%.
语音识别、维吾尔语、声学模型、语言模型、CNN-HMM、N-gram语言模型、循环神经网络、Kaldi
44
TN912-34
国家自然科学基金;国家重点研发计划
2021-06-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
172-176