基于多核卷积融合网络的BLSTM-CTC语音识别

作者：刘晓峰; 宋文爱; 陈小东; 郇晋侠; 李志媛

来源：计算机应用与软件, 2021, 38(11): 167-173.

• 语音识别
• 多核卷积融合网络
• 端到端
• 子空间高斯混合模型

语音信号在传播过程中会产生持续时长不等的音素特征,这些特征会影响语音识别的正确率。针对这一问题,提出一种多核卷积融合网络(Multi-core Convolution Fusion Network, MCFN),用于对不同长度的音素特征进行标准化,用标准化后的特征训练语音识别模型。此外,还利用子空间高斯混合模型(Subspace Gaussian Mixture Model, SGMM)将一般说话者的语音和信息加入到模型中,减小语料稀疏性对模型的影响。通过在Thchs30和ST-CMDS数据集对模型进行评估,结果显示,基于MCFN的BLSTM-CTC语音识别模型的识别字错误率(WER)较传统的语音识别模型有所降低。

• 单位
  中北大学