Математически методи в автоматичното разпознаване на реч
Ключови думи :
речеви корпус, автоматично разпознаване на реч, език с нисък ресурсАбстракт
Представяме математическите методи, които се използват в процеса на автома- тично разпознаване на речта. Презентацията е разделена на три части. Започва- ме с кратък преглед на вокалния тракт и съответните уравнения на акустиката, които описват процеса. След това представяме цифровата обработка на сигна- ла, която се осъществява над речевия сигнал, за да се извлекат коефициентите на Мел-честотния кепструм, съответстващи на конфигурацията на артикулаци- ята. Във втората част представяме подход за акустично моделиране, базиран на забавени във времето дълбоки невронни мрежи. Разглеждаме и методологията за машинно обучение на акустичния модел. В третата част описваме използва- нето на монотонни стохастични f-преобразуватели за представяне на езиковия модел. За декодиране на сигнала представяме накратко алгоритъма на Витерби и алгоритъма за търсене по лъча върху стохастичния f-преобразувател. Накрая показваме експериментални резултати за автоматично разпознаване на реч на български език.
Литература (библиография)
L. Deng, Y. Liu. Deep Learning in Natural Language Processing, Springer, 2018.
D. Geneva, G. Shopov, S. Mihov. Building an ASR Corpus Based on Bulgarian Par- liament Speeches. In: Statistical Language and Speech Processing (Eds C. Mart´ın-Vide, M. Purver, S. Pollak). Springer International Publishing, 2019, 188–197.
X. Huang, A. Acero, H.-W. Hon. Spoken Language Processing: A Guide to Theory, Algorithm, and System Development. Prentice hall PTR, 2001. [4] F. Jelinek. Statistical Methods for Speech Recognition. MIT press, 1997.
V. Peddinti, D. Povey, S. Khudanpur. A time delay neural network architecture for efficient modeling of long temporal contexts. In: INTERSPEECH, 2015.
D. Yu, L. Deng., Automatic Speech Recognition. Springer, 2016.