节点文献
结合MLLR和MAP的说话人聚类自适应方法
【机构】 北京理工大学电子工程系；
【摘要】 本文提出一种改进的说话人聚类方法,同时结合最大似然线性回归法(MLLR)和最大后验概率法(MAP)构成整体的说话人自适应框架。传统的说话人聚类方法是在自适应前将训练集中说话人根据其声学特性分成若干类,并为每类分别构建模板,本文则根据新说话人的自适应数据动态地在训练集中选择与之最相近的训练人子集,构造出新的初始模型,将该方法应用于以音素为识别基元的汉语连续语音识别系统中,可有效的降低系统误识率,较好的满足快速性和渐进性。当提供5句自适应数据时,与基线系统相比音节误识率下降35.22%;当自适应数据增加到250句时,误识率下降50.74%。本文还同时进行了与MLLR、MAP等方法及SD模型的对比实验。
- 【会议录名称】 第七届全国人机语音通讯学术会议（NCMMSC7）论文集
- 【会议名称】第七届全国人机语音通讯学术会议（NCMMSC7）
- 【会议时间】2003-11
- 【会议地点】中国厦门
- 【分类号】TN912.3
- 【主办单位】中国电子学会信号处理学会语音图像通讯专业委员会、中国计算机学会人工智能与模式识别专业委员会、中国人工智能学会、中国声学学会语言、听觉和音乐声学分会、中国通信学会通信理论专业委员会、中国语言学会语音学分会（筹）、中国自动化学会模式识别与机器智能专业委员会、中文信息学会语音信息专业委员会（筹）、Special Interest Group of Chinese Spoken Language Processing, ISCA、863计算机软硬件技术主题专家组