基于LFMMI准则的低资源普通话识别改进

摘要

cqvip:连续语音识别系统对声学数据的训练和识别是以序列级转录准确性为性能度量,因此专门对基于序列级转录的普通话语音识别系统进行研究。模型使用能进行长时序训练的时延神经网络,训练采用具有端到端思想的LFMMI准则。此外对于低资源语料条件下系统性能不佳的问题,增加输入特征所包含的信息,训练中使用批量归一化和Maxout函数提高模型拟合度,减轻泛化误差,增加训练语料的规模。实验结果表明,模型识别准确率提升约18%,取得明显改善。