Nenadzorovano učenje akustičnih modelov govora / Unsupervised training for acoustic models of speech
Gregor Donaj, Andrej Žgank, Mirjam Sepesy Maučec
ANALI PAZU, 3 (2013), št. / No. 2, strani / pages 69-74
Celotno besedilo / Full text (PDF)
Povzetek: V članku je predstavljeno nenadzorovano učenje akustičnih modelov za razpoznavanje tekočega govora. Ključna prednost takega učenja je njegova hitrost in nizki stroški v primerjavi z izdelavo transkripcij govora, ki so potrebne za nadzorovano učenje. Predstavljeni sta dve metodi nenadzorovanega učenja, ki sta preizkušeni na razpoznavalniku tekočega govora z velikim slovarjem v domeni dnevno-informativnih oddaj.
Ključne besede: akustični modeli, razpoznavanje govora, nenadzorovano učenje.
Abstract: This paper presents unsupervised acoustical model training for automatic speech recognition. The main advantage of this training method is its speed and cost effectiveness compared to the manual transcription of speech, which is needed for supervised training. We present two methods of unsupervised training and test them on a large vocabulary continuous speech recognition system in the Broadcast News domain.
Key words: acoustical models, speech recognition, unsupervised training.
Vsi prispevki avtorja:
Številka revije: