| 基于注意力LSTM和多任务学习的远场语音识别 |
| |
| 作者姓名： | 张宇 张鹏远 颜永红 |
| |
| 作者单位： | 1. 中国科学院 声学研究所, 语言声学与内容理解重点实验室, 北京 100190;2. 中国科学院大学, 北京 100049;3. 中国科学院 新疆理化技术研究所, 新疆民族语音语言信息处理实验室, 乌鲁木齐 830011 |
| |
| 基金项目： | 国家自然科学基金资助项目（U1536117,11590770,11590771,11590772,11590773,11590774）;国家重点研发计划重点专项（2016YFB0801203,2016YFB0801200） |
| |
| 摘 要： | 由于背景噪声、混响以及人声干扰等因素,远场语音识别任务一直充满挑战性。该文针对远场语音识别任务,提出基于注意力机制和多任务学习框架的长短时记忆递归神经网络（long short-term memory,LSTM）声学模型。模型中嵌入的注意力机制使其自动学习调整对扩展上下文特征输入的关注度,显著提升了模型对远场语音的建模能力。为进一步提高模型的鲁棒性,引入多任务学习框架,使其联合预测声学状态和干净特征。AMI数据集上的实验结果表明：与基线模型相比,引入注意力机制和多任务学习框架的LSTM模型获得了1.5%的绝对词错误率下降。
|
| 关 键 词： | 语音识别 长短时记忆 声学模型 注意力机制 多任务学习 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《清华大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《清华大学学报(自然科学版)》下载全文 |
|
