基于语音识别的英语声学检测系统研究

摘要

本文介绍了在两个众所周知的公共基准任务中使用直接声学到单词CTC模型的第一个结果,这些模型在运行时不需要LM或甚至解码器,因此识别语音的复杂性最小。然而,由于大量的字输出单元,与传统系统相比,CTC字模型需要数量级更多的数据才能完成训练。文中提出了一些解决此问题的技巧,实验证明提出CTC字模型的字错误率为9.6%/16.0%,表明检测性能较好。