基于HTK的语音识别网络优化算法

隐马尔可夫模型工具包(HTK)的HParse命令根据用户以正则表达式形式定义的任务语法来生成HTK可用的底层表示的语音识别网络,但不是每个语句都能用正则表达式表示出来。针对该问题,提出基于HTK的语音识别网络算法用于识别网络的优化问题,给出该算法的具体实现过程。实验结果表明,在保证识别率的前提下,优化后的语音识别网络在语音识别系统中所用的时间比较短,算法是有效的。

普通话智能测试系统的语音识别网络研究

现行的计算机辅助普通话水平测试系统主要采用隐马尔科夫模型的对数后验概率算法来衡量考生的发音质量,但是HMM模型之间易混淆。为提高系统测试的效度和信度,将普通话发音中的语言学知识引入测试系统,重构算法的识别网络,对算法的概率空间进行优化。实验结果表明,改进后的识别网络能够显著缩短系统的运算时间,有效降低概率空间对评分的影响,提高系统的评测性能。

车载自然语音采集识别系统

本文研究一种基于阵列麦克风语音采集技术和深度神经网络语音识别技术的车载自然语音采集识别系统。本系统集成于汽车方向盘,麦克风阵列语音采集模块完成噪声环境下车载语音的采集;智能语音识别模块通过建立LSTM深度神经网络模型进行语音识别,并将识别结果通过CAN总线通信发送给车机系统,车机系统根据当前工况协调控制车载电子设备。

Recognition of Speech Based on HMM/MLP Hybrid Network

This paper presents a new HMM/MLP hybrid network for speech recognition. By taking advantage of the discriminative training of MLP, the unreasonable model correctness assumption on the model correctness of the ML training in basic HMM can be overcome, and its discriminative ability and recognition performance can be improved. Experimental results demonstrate that the discriminative ability and recognition performance of HMM/MLP is apparently better than normal HMM.