基于深度神經(jīng)網(wǎng)絡(luò)的蒙古文語(yǔ)音識(shí)別系統(tǒng).pdf

1、語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別(ASR)，其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。
　　近年來(lái)，語(yǔ)音識(shí)別技術(shù)已經(jīng)在各種大語(yǔ)種中全面展開，進(jìn)入各個(gè)領(lǐng)域。比如隨處可見的蘋果中的siri系統(tǒng)。可惜高質(zhì)量的語(yǔ)音服務(wù)中還未出現(xiàn)少數(shù)民族語(yǔ)言的相應(yīng)語(yǔ)音服務(wù)。蒙古語(yǔ)語(yǔ)音識(shí)別的研究課題對(duì)于促進(jìn)蒙古族語(yǔ)言文化的繁榮、發(fā)展和科技進(jìn)步，以及中國(guó)少數(shù)民族語(yǔ)音信息處理的發(fā)展都具有重要的意義。
　　目

2、前有關(guān)語(yǔ)言和語(yǔ)音處理的公共可用的開源軟件越來(lái)越多，而大多數(shù)的語(yǔ)音識(shí)別系統(tǒng)僅僅處理封閉的詞匯表。但對(duì)于處理無(wú)限制語(yǔ)音輸入的應(yīng)用程序來(lái)說，即使再大的詞匯表也無(wú)法覆蓋所有的詞匯。德國(guó)亞琛工業(yè)大學(xué)開發(fā)的開源語(yǔ)音識(shí)別工具(RWTHASR，簡(jiǎn)稱RASR)，可將詞匯表中的詞單元組合起來(lái)合并成一個(gè)新詞，從而在識(shí)別處理過程中識(shí)別外來(lái)詞匯，完成大詞匯量連續(xù)語(yǔ)音識(shí)別。
　　本文介紹了語(yǔ)音識(shí)別技術(shù)的理論知識(shí)，并且通過德國(guó)亞琛工業(yè)大學(xué)開發(fā)的開源語(yǔ)音識(shí)別工具

3、(RWTH ASR，簡(jiǎn)稱RASR)開發(fā)大詞匯量語(yǔ)音識(shí)別的聲學(xué)模型和解碼器。完成信號(hào)分析的配置，估計(jì)高斯混合模型和語(yǔ)音決策樹，結(jié)合深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)得到一個(gè)開放的詞匯自動(dòng)語(yǔ)音識(shí)別(Automatic Speech Recognition，ASR)系統(tǒng)。本文的主要工作是使用神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)大量語(yǔ)音數(shù)據(jù)進(jìn)行訓(xùn)練，并得到聲學(xué)模型。同時(shí)詳細(xì)介紹了怎樣用RASR開源工具開發(fā)連續(xù)語(yǔ)音識(shí)別的過程，重點(diǎn)介紹訓(xùn)練和識(shí)