资源稀缺蒙语语音识别研究-计算机科学.pdf

Vo 1. 44 No. 10 第 44 卷第10 期 计算机科学 2017 年 10 月 COMPUTER SCIENCE Oct.2017 资源稀缺蒙语语音识别研究 张爱英倪崇嘉 (山东财经大学系统科学与信息处理研究所 济南 250014) 摘 要 随着语音识别技术的发展，资源稀缺语言的语音识别系统的研究吸引了更广泛的关注。以蒙语为目标识别 语言，研究了在资源稀缺的情况下(如仅有 10 小时的带标注的语音)如何利用其他多语言信息提高识别系统的性能。 ttleneck 神经网络的抽取特征可以获得更具有 借助基于多语言深度神经网络的跨语言迁移学习和基于多语言深度Bo 区分度的声学模型。通过有哪些信誉好的足球投注网站引擎以及网络爬虫的定向.tJf，..取获得大量的网页数据，有助于获得文本数据，以增强语言 模型的性能。融合多个不同识别结果以进一步提高识别精度。与基线系统相比，多种系统融合的识别绝对错误率减 少 12% 。 关键词 资源稀缺，多语言深度神经网络，Web 语言模型 中固法分类号 TP39 1. 42 文献标识码 A DOI 10. 11896/j. issn. 1002-1372♀ 2017.010.057 Research on Low-resource Mongolian Speech Recognition ZHANG Ai-ying NI Chong-jia (Institute of System Science and Information Processing ,Shandong University of Finance and Economics ,]inan 250014 ,China) Abstract With the development of speech recognition technology ,the research on low-resource speech recognition has gained extensive attention. Taking the Mongolian as the target language ,we studied how to use the multilingual infor mation to improve the performance of speech recognition in the low-resource condition , for example ,only 10 hours of transcribed speech data are used for acoustic modeling. More discriminative acoustic model can be gotten by using cross- lingual transfer of multilingual deep neural network and multilingual deep bottleneck features. Large amount of web pa ges can be gotten by using the web search engine and Web crawler ,which can help to get large amount of text data for improving the performance of langua