远场语音识别技术的方案.pdf

百度 远场ASR技术 语音技术部 李超 自我介绍 内容要展开了讲 百度的远场识别方案，方案有什么效果 多方几遍？ 举例子， （1）听出来音频，我们的识别结果 （2）聪姐的视频 工程实例 （1）联想的 （2）车载 远场的开放进度，暂时不支持，有计划 互联网时代 移动互联网时代 物联网时代 GMM-HMM DNN-CTC JOINT optimization 近场 远场 噪声：由目标声源 之外声源发出的声 信号 回声：智能终 混响：目标语 端接收目标信 音信号经过墙 号的同时，也 壁等再次或者 发出声音所造 多次发射信号 成的干扰 干扰语音信号 语音交互 语音增强 降低可懂度 语音感知 语音分离 • 聪姐的演示视频 多路信号 Sour ce AEC Beamf or mer 后处理 ASR Locat i on 参考信号 取单路信号 后处理 语音唤醒 Near-field Augmented real far-field far-field speech = speech speech * p Transfer learning 1. 使用已经充分训练的进场模型做初始化 2. 几万小时的远场增强数据做训练 3. 加入一定比例的近场数据进行正则化 我要听90年代的音乐 帮我放1下有关娱乐的直播电台 播放硅谷的新闻 p Mask Joint Training 1. 前端信号处理网络和后端声学模型组成一个网络 2. 先训练前端 ，然后在一起训练 p end-to-end Fairfield acoustic model 1. Google home 2. 2Mic 媲美 6Mic 3. 更低的硬件成本 ，广泛的适用性