基于DL-T及迁移学习的语音识别研究

作者：张威; 刘晨; 费鸿博; 李巍; 俞经虎; 曹毅^*

来源：工程科学学报, 2021, 43(03): 433-441.

DOI：10.13374/j.issn2095-9389.2020.01.12.001

• 深度学习
• 语音识别
• 声学模型
• DL–T
• 迁移学习

为解决RNN–T语音识别时预测错误率高、收敛速度慢的问题,本文提出了一种基于DL–T的声学建模方法.首先介绍了RNN–T声学模型;其次结合DenseNet与LSTM网络提出了一种新的声学建模方法——DL–T,该方法可提取原始语音的高维信息从而加强特征信息重用、减轻梯度问题便于深层信息传递,使其兼具预测错误率低及收敛速度快的优点;然后,为进一步提高声学模型的准确率,提出了一种适合DL–T的迁移学习方法;最后为验证上述方法,采用DL–T声学模型,基于Aishell–1数据集开展了语音识别研究.研究结果表明:DL–T相较于RNN–T预测错误率相对降低了12.52%,模型最终错误率可达10.34%.因此,DL–T可显著改善RNN–T的预测错误率和收敛速度.

• 单位
  苏州工业职业技术学院; 江南大学