基于模型融合的母语与非母语语音识别.pdfVIP

* 基于模型融合的母语与非母语语音识别 曾 定, 刘 加 （清华大学电子工程系 清华信息科学与技术国家实验室（筹），北京100084） 摘 要：母语与非母语英语发音方式通常存在固有的差别，这导致基于母语发音训练的语音识别模型不能适应非母语说话人。 一种有效的方法是建立模型的补偿机制，来容忍母语与非母语说话人之间的发音变化。本文分析了中国人受母语的影响带来 的英语发音变化，针对音素变化和声音变化，分别采用多发音字典和模型融合技术，实现了中国人说英语的语音识别率提高 了15%，但母语英语的语音识别率下降不到1%。 关键词：语音识别；非母语；模型融合；多发音字典 中图分类号 TP391.42 文献标识码 A Native and non-native speech recognition based on acoustic model merging Zeng Ding, Liu Jia （Tsinghua National Laboratory for Information Science and Technology,Department of Electronic Engineering, Tsinghua University, Beijing 100084 ） Abstract: The inherent differences between native and non-native language pronunciation can lead to non-native language rate of decline using the model trained with native language speech. The confusions between Native and non-Native speaker lead the rate of decline.,which need to create a new model to tolerance this change. Set up on baseline Native English recogntion system, the character of Chinese people speaking English is firstly analyzed in this paper. We propose to analyze and model the phonetic and acoustic confusuons separately, using pronunciation dictionary and acoustic model merging technology to create a new model, with a significant 15% absolute WER reduction on the Chinese English, which only sacrifics 1% recognition rate on the native English. Key Words: speech recognition; non-native; model merging; pronunciation dictionary 0 引言 随着语音技术的发展，人机语音交互应用范围 模型自适应方法例如 MLLR 和 MAP [4]。这种方法同 越来越广泛[1][2]。但是，我们也看到，一个在实验 样会在一定程度上提高非母语说话人的语音识别 室环境下工作得很好的语音识别系统，在实际应用 率的同时降低母语为英语的说话人的语音识别率。 时，其性能就变得不够稳健，而其中一个重要的原 在实际应用场合中，一个英语识别系统希望能够兼