基于循环神经网络的音素识别研究

摘要

基于隐马尔科夫模型(HMM)和循环神经网络(RNN)的HMM-RNN混合模型在语音识别中取得了很大的成功.由于RNN的计算过程本身就是上下文相关的,相邻帧的重合部分增加了整个系统的训练时间.针对上述问题,使用连接时序分类(CTC)来代替HMM跟RNN结合,并在语音分帧过程中去除相邻帧之间的重合部分,使用TIMIT语音数据集,进行音素上的识别任务,并且实验结果表明CTC-BLSTM模型在音素上的识别率要高于HMM-BLSTM混合模型,CTC-BSLTM在去除帧重合后能够大幅提高系统的训练效率并且保证识别率大致相同.