监别性事前资讯应用於强健性语音辨识.PDFVIP

鑑別性事前資訊應用於強健性語音辨識 丁川偉 吳柏樹 簡仁宗 國立成功大學資訊工程學系 {cwting, bswu, chien}@chien.csie.ncku.edu.tw 摘要 在傳統語音辨識系統中 ，模型的訓練環境與測試環境不匹配(mismatch)是造成辨識率下降的首要 問題 ，在此議題上 ，過去文獻已提出許多解決方法 ，如在語音模型端引入模型參數的不確定性所 建立的強健性貝氏預測分類(Bayesian predictive classification)法則 ，或是調整模型於測試環境的 調適方法 ，如最大事後機率(MAP)調適以及線性迴歸(MLLR)調適 ，甚至進一步考慮語音模型鑑 別性之最小分類錯誤線性迴歸(MCELR)調適等方法 。其中 ，貝氏預測分類法則是將模型參數的 不確定性(uncertainty)適當的引入決策法則以達到決策方法的強健性 ，而參數不確定性反應了雜 訊環境及聲學的變異性 ，它可由事前機率(prior density)來表示 ，而傳統上貝氏學習則提供了估測 並更新參數事前資訊的機制 。 為兼顧決策法則的強健性及鑑別性 ，本論文提出在貝氏預測分類架構下聲學模型及其事前 機率模型之鑑別性訓練及更新 ，我們使用最小分類錯誤(MCE)之鑑別性準則來估測模型參數之超 參數(hyperparameter) ，並且提出了兩種更新的方法 ，其一是直接針對隱藏式馬可夫模型平均值向 量參數更新其事前統計量 ；其二是考慮線性迴歸調整 ，針對迴歸矩陣之事前資訊在最小分類錯誤 準則下做更新 。在以汽車噪音雜訊語音資料庫為主的評估實驗中 ，發現使用更新過後的事前機率 可以提昇貝氏預測分類之鑑別性 ，達成強健性語音辨識效能提升之目的 。 1. 緒論 語音是人與人之間最直接 、最自然溝通的方式 ，隨著科技和語音辨認技術的進步 ，讓機械聽懂人 類的話 ，不再是遙不可及的夢想 。目前實際應用面中 ，語音辨識的過程仍舊存在著許多問題 ，最 常遇到的 ，像是訓練環境與測試環境的不匹配問題 ，因為語音辨識主要是以樣本比對(pattern recognition)的技術為基礎 ，若是語音辨識之應用環境與原始樣本之訓練環境不匹配 ，將會使得辨 識率大幅地降低 ，而這不匹配可能是來自於週遭的環境噪音 、傳輸語音的通道不同 、或語者不同 等 ，影響語音辨識的因素往往是上述多個失真來源的組合 。因此 ，為了克服語音辨識時不匹配之 問題 ，強健且有效率的補償技術一直是語音辨識極為重要的研究議題 。 在此研究領域上 ，已有許多學者提出不同方法來解決不匹配的問題 ，我們將之大致分為訊號 (signal)空間 、特徵參數(feature)空間 、以及模型參數(model parameter)空間三類 。在第一種方法中 ， 主要以語音強化(speech enhancement)的方式為主 ，其觀點是將受到環境影響的訊號 ，透過訊號處 理的方式 ，消減噪音的部份以得到近似乾淨的訊號 ；第二種方法 ，與訊號空間的處理觀念類似 ， 都是希望還原原始環境下的特徵參數特性 ，做特徵參數的補償(compensation) ；最後一種則是對 已經訓練完成的模型參數做處理 ，其方法可再細分為兩種 ：其一是利用新環境所得到的少量語料 將原有之模型參數調適到與新環境接近的方式 ；另一則是在模型參數中考量其不確定性 ，以減少 新環境中模型變異所造成的影響 ，進而達到強健性決策的機制 。此外在模型的訓練當中 ，不同模 型之間的參數或分佈常會面臨混淆的情況 ，造成分類錯誤的提升 ，因此鑑別性(discriminability) 的考量也被學者提出引入模型的訓練過程 ，以期達到更明確之模型並降低分類的錯誤 。 在本研究 中 ，主要是在考量參數不確定性的基礎上 ，希望能夠在鑑別性的分類方法考量下更 新其參數的不確定性 ，以期望進一步達成同時具有鑑別性事前機率的強健性之決策法則 。另外在 本研究中也將此考量不確定性且具鑑別性的事前機率學習 ，落實在模型參數的調整 ，並分為直接 對模型參數的調整以及間接對模型參數做調整 。在以汽車噪音為主的連續數字語料庫中 ，都能達 到辨識效能的提升 。而在本文的編排上 ，共分為五個小節 ，除了第一節為緒論外 ；第二節將簡單 介