27、自动语音识别中的机器学习实验解析

自动语音识别中的机器学习实验解析

1. 数字串识别实验

1.1 数据库

为评估竞争训练在连续数字串解码任务中的性能，使用了两个不同的语料库：
- “SieTill”：是“SieTill”语料库中男性部分，用于电话线路录制的德语连接数字串。该语料库包含约23k个发音数字，分布在7k个句子中（190位说话者，约2.5小时语音），用于训练和测试。
- “Polyphone”：电话线路录制的荷兰语连接数字串。训练使用了Polyphone训练语料库中的4k个句子（31k个数字，约4.5小时语音），测试语料库包含2k个句子（15k个数字）。

1.2 噪声添加

为评估有噪训练数据上的判别式训练性能，对干净语音信号添加噪声，步骤如下：
1. 对于每个语音片段，根据干净信号的信噪比（SNR）和添加噪声后期望的目标信噪比计算噪声添加权重。
2. 使用该权重因子，在样本级别向干净信号添加随机噪声，以达到期望的目标信噪比。

使用两种噪声添加场景：
- “SieTill”语料库：添加高斯白噪声。
- “Polyphone”语料库：添加真实汽车噪声，该噪声取自MoTiV数据集合，记录了5辆车在两种不同速度（城市和高速公路）下的噪声，每个语音片段随机选择要添加的噪声环境。

1.3 基线系统描述

不同语料库的特征提取和处理方式如下：
| 语料库 | 特征提取 | 处理操作 | 特征向量维度 | 采样率 | 帧移 |
| ---- | ---- | ---- | ---- | ---- | ---- |
| SieTill | 11个