基于深度神经网络的藏语语音关键词检索方法
张恒
拉巴顿珠
官政先
肖鑫
西藏大学信息科学技术学院 西藏信息化省部共建协同创新中心,拉萨 850000
摘要：语音关键词识别作为人机语音交互的一项基础性研究课题,其目的是从连续的语音信号中提取特定的关键词,并实现对目标设备的唤醒以及其他相关功能.文章提出了一种基于DNN-HMM声学模型的藏语卫藏方言关键词检测方法.首先,通过切割、转换等方式对语音数据进行预处理;其次,使用MFCC从语音信号中提取出有效的特征作为模型的输入;再次,分别采用GMM-HMM和DNN-HMM模型对藏语声学特征进行建模.同时,为了提高模型的表现力和泛化能力,文章在模型中引入预训练和微调技术,对模型的结构进行了优化.实验结果表明,与传统基于GMM-HMM声学模型的识别结果相比,采用基于DNN-HMM声学模型的关键词检测方法能够更有效地检测出藏语语音关键词.
关键词：声学模型藏语深度学习关键词检测语音识别
资助基金：西藏大学大学生创新性实验训练计划项目(2022XCX085)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 73-80 )
英文信息