chapter12 语音识别.pdfVIP

Chapter 12 Automatic Speech Recognition 语音识别 1 主要内容 • 语音识别概述 • 三个要素问题 – 声学模型建模 – 语言模型建模 – 解码搜索 • 其他ASR相关问题 2 语音识别概述 3 语音识别简史 • 语音识别是一门交叉学科 – 涉及声学、生理学、心理学、信号处理、 模式识别、人工智能、语言学、计算机学 等多学科 • 语音识别历史悠久且丰富 – 1920年代Radio Rex玩具狗：最早的语音 识别器 – 1952年：Bell Lab实现特定人英文数字 识别系统 – 1960年代 • 动态规划（DP）算法对齐不同长度语音 (Vintsyuk) • CMU的Reddy开始进行连续语音识别（CSR）的 开创性工作 4 语音识别简史 • 1970年代 – 模式识别、动态规划、线性预测基础研究发展 – IBM展开大词汇量连续语音识别（Jelinek ） • 备忘录听写系统Tangorn – Bell Lab展开非特定人识别系统研究 – DARPA介入语音识别领域:语音理解研究计划 • 1973年CMU给出演示系统 • 词典扩展到“千”级别 • 引入图搜索的概念 5 语音识别简史 • 1980年代：孤立词识别连接词识别 – 建模方案：基于模板方法统计建模框架 – HMM理论和应用趋于完善 – 语音识别相关技术持续进步 • 一阶二阶差分系数（Furui） • N-gram语言模型（Jelinek） • 引入神经网络(Hinton, Katagiri) – DARPA推出LVCSR系统研究计划 • CMU的SPHINX系统（Kai-Fu Lee） • BBN的BYBLOS系统（Chow Y） • SRI的DECIPHER系统（Weintraub） 6 语音识别简史 • 1990年代 – 模式识别领域涌现大量创新工作 • 贝叶斯框架下的分布估计最小化经验错误准则 – 语音识别技术继续发展 • 区分性训练：MCEGPD(B-H Juang) MMI(P. Brown, Bahl) • 模型自适应方法：MLLR(PC Woodland) MAP(C-H Lee) • 噪声鲁棒性问题研究 – DARPA和NIST联合推出更多语音识别评测任务 • RM / NAB / WSJ / Switchboard – 剑桥推出HTK并公开化，大大降低语音识别门槛