基于DNN-HMM和RNN的维吾尔语语音识别

基于深层神经网络(DNN)的语音识别模型不仅在单个语言上表现出色,而且在多语言信息处理领域也表现出了优异的能力。随着语音数据量的增加,高斯混合模型(GMM)在有效提升大词汇量连续语音识别系统性能以及识别效果上被神经网络(NN)模型超越。文中采用Kaldi开源语音识别平台,结合RNN语言模型和DNN模型的三种损失函数,即最大互信息量(MMI)、最小贝叶斯风险(sMBR)和最小因素错误率(MPE),在维吾尔语语料库(THUYG-20公开语料库)测试数据上分别取得了16.73%,16.55%和15.95%的词错误率。相比高斯混合模型的词错误率分别降低了2.88%,3.06%和3.66%。深层神经网络在资源匮乏的少数民族语言以及多语言信息处理上有更强的能力。

维吾尔语连续语音识别技术研究

维吾尔语连续语音识别技术研究主要阐述维吾尔语连续语音的识别技术,主要包括声学模型和语言模型。在声学模型中,主要介绍基于隐马尔可夫模型(Hidden Markov Model,HMM)的维吾尔语连续语音识别声学建模。在语言模型中,主要对比基于文法和基于统计这两种方法的优劣。

浅谈新疆多语种智能化研究现状

针对新疆地区的多语种发展现状做出介绍，涉及到维哈柯语料库、机器翻译、维吾尔语语音识别等领域，重点介绍新疆多语种智能化研究机构以及各机构的主要研究方向和内容。