92、神经网络在语音处理中的应用

神经网络在语音处理中的应用

1. 语音识别系统的适应性

在语音识别领域，为了应对不同说话者之间的巨大差异，面向说话者无关的识别系统通常使用大型数据库进行训练。然而，当系统在一段时间内主要由单个用户使用时，可以对系统内现有的语音子单元模型进行调整，以适应特定说话者，从而提高识别性能。对于一些基于人工神经网络（ANN）的架构，只需调整相对较少的参数可能就足够了。此外，ANN还可用于为新说话者构建归一化映射。

2. 语言建模

目前，在语言建模方面，基于ANN的工作还相对较少。当前效果较好的语言模型是统计模型，其目的是根据前面的单词预测下一个口语单词。多层感知器（MLP）也被应用于此，有报告显示，使用基于MLP的单词类别预测，其单词识别得分比使用标准三元语言模型更高。

3. 说话者识别与验证

说话者识别和验证在决策选项数量上有所不同。说话者识别是从预先指定的说话者池中确定说话者的身份，而说话者验证则是接受或拒绝关于说话者身份的声明。
- 特征提取与比较 ：与任何模式识别问题一样，先进行特征提取，然后将其与说话者模型进行相似度比较。对于识别，是与整个说话者池的模型进行比较并选择最大值；对于验证，是与声称的说话者模型进行比较并进行阈值判断。模型和比较方法通常与语音识别算法相关，例如在文本相关的情况下，模型可以是每个说话者存储的单词，通过动态时间规整与未知说话者说出的相同单词进行比较；在文本无关的情况下，模型可以是根据提示文本拼接的音素隐马尔可夫模型，然后评估特定说话者模型生成该话语的可能性。也可以为每个说话者构建混合高斯模型，这样可以避免语音的时间建模方面的问题。
-