基于DL-T及迁移学习的语音识别研究

摘要

为解决RNN-T语音识别时预测错误率高、收敛速度慢的问题,本文提出了一种基于DL-T的声学建模方法.首先介绍了RNN-T声学模型;其次结合DenseNet与LSTM网络提出了一种新的声学建模方法——DL-T,该方法可提取原始语音的高维信息从而加强特征信息重用、减轻梯度问题便于深层信息传递,使其兼具预测错误率低及收敛速度快的优点;然后,为进一步提高声学模型的准确率,提出了一种适合DL-T的迁移学习方法;最后为验证上述方法,采用DL-T声学模型,基于Aishell-1数据集开展了语音识别研究.研究结果表明:DL-T相较于RNN-T预测错误率相对降低了12.52%,模型最终错误率可达10.34%.因此,DL-T可显著改善RNN-T的预测错误率和收敛速度.