The third part of the chapter prese

The third part of the chapter presented an incorporation of the spectral voicing information to improve modelling of speech signals in application to speech recognition in noisy conditions. The voicing-information was incorporated within an HMM-based statistical framework in the back-end of the ASR system. In the proposed model, a voicing-probability was estimated for each mixture at each HMM state and it served as a penalty during the recognition for those mixtures/states whose voicing information did not correspond to the voicing information of the signal. The evaluation was performed in the standard model and in the missing-feature model that had compensated for the effect of noise and experimental results demonstrated significant recognition accuracy improvements in strong noisy conditions obtained by the models incorporating the voicing information.

Kết quả (Việt) 1:

Phần thứ ba của chương trình bày một kết hợp của các thông tin quang phổ lồng tiếng để nâng cao mô hình của bài phát biểu tín hiệu trong các ứng dụng để nhận dạng giọng nói trong điều kiện ồn ào. Lồng tiếng-thông tin được tích hợp trong một khuôn khổ thống kê dựa trên HMM cuối trở lại hệ thống ASR. Trong mô hình được đề xuất, một xác suất lồng tiếng được ước tính cho mỗi hỗn hợp ở mỗi tiểu bang HMM và nó phục vụ như là một hình phạt trong sự công nhận cho những hỗn hợp/tiểu bang mà lồng tiếng thông tin không tương ứng với thông tin lồng tiếng của các tín hiệu. Các đánh giá được thực hiện trong mô hình chuẩn và các mô hình tính năng thiếu có đền bù cho ảnh hưởng của tiếng ồn và kết quả thực nghiệm đã chứng minh cải tiến độ chính xác đáng kể công nhận trong điều kiện ồn ào mạnh thu được bằng các mô hình kết hợp các thông tin lồng tiếng.

Kết quả (Việt) 2:

Phần thứ ba của chương trình bày một kết hợp của các quang phổ bày tỏ thông tin để cải thiện mô hình của tín hiệu phát biểu trong ứng dụng nhận dạng giọng nói trong điều kiện ồn ào. Thì giọng nói-thông tin đã được kết hợp trong một hệ thống thống kê HMM-trụ sở tại phía sau của hệ thống ASR. Trong mô hình đề xuất, một lồng tiếng xác suất ước tính cho mỗi hỗn hợp ở mỗi tiểu bang HMM và nó phục vụ như là một quả phạt đền trong sự công nhận cho những hỗn hợp / tiểu bang mà bày tỏ thông tin không tương ứng với các thông tin lồng tiếng của các tín hiệu. Việc đánh giá được thực hiện trong mô hình tiêu chuẩn và trong mô hình còn thiếu tính năng để đã bù đắp cho sự ảnh hưởng của tiếng ồn và thử nghiệm kết quả chứng minh cải thiện độ chính xác nhận đáng kể trong điều kiện ồn ào mạnh thu được từ các mô hình kết hợp các thông tin bày tỏ.