基于双通路CNN的端到端语音识别研究

摘要

传统的浅层卷积神经网络(CNN)语音识别模型通常使用单通路网络,导致特征提取不够充分,阻碍了语音识别精度的提升.针对这个问题,提出了双通路卷积神经网络(DPCNN),通过增大网络宽度获取更加丰富的语音特征.同时级联注意力(attention)和连接时序分类(CTC),削弱了CTC中的条件独立性约束,实现了DPCNN-Attention-CTC端到端语音识别模型,提高了语音识别的速度和精度.实验结果表明:DPCNN-Attention-CTC的错误率为22.9％,对比于单通路CNN-CTC,相对错误率降低了18.8％,验证了模型的有效性.