TAILIEUCHUNG - Áp dụng bottle neck feature cho nhận dạng tiếng nói tiếng Việt

Bài báo trình bày việc áp dụng Bottle Neck Feature(BNF) - một dạng đặc trưng của tín hiệu tiếng nói được trích chọn thông qua mạng neural (Neural Network) - cho nhận dạng tiếng nói tiếng Việt. Nghiên cứu sử dụng mạng Multilayer Perceptron(MLP) năm lớp với kích thước của lớp ẩn thứ nhất khác nhau để trích chọn đặc trưng BNF từ hai loại dữ liệu đầu vào là Perceptual Linear Prediction(PLP) và Mel Frequency Cepstral Coeffcient(MFCC), nhằm đánh giá hiệu quả của mỗi loại đặc trưng sau khi được áp dụng BNF | Tạp chí Tin học và Điều khiển học, , (2013), 379–388 ÁP DỤNG BOTTLE NECK FEATURE CHO NHẬN DẠNG TIẾNG NÓI TIẾNG VIỆT NGUYỄN VĂN HUY1 , LƯƠNG CHI MAI2 , VŨ TẤT THẮNG2 1 Khoa Điện tử, trường ĐH Kỹ thuật Công nghiệp – Thái Nguyên; huynguyen@ 2 Viện Công nghệ Thông tin, Viện Hàn lâm Khoa học & Công nghệ Việt Nam; lcmai,vtthang@ Tóm t t. Bài báo trình bày việc áp dụng Bottle Neck Feature(BNF) - một dạng đặc trưng của tín hiệu tiếng nói được trích chọn thông qua mạng neural (Neural Network) - cho nhận dạng tiếng nói tiếng Việt. Nghiên cứu sử dụng mạng Multilayer Perceptron(MLP) năm lớp với kích thước của lớp ẩn thứ nhất khác nhau để trích chọn đặc trưng BNF từ hai loại dữ liệu đầu vào là Perceptual Linear Prediction(PLP) và Mel Frequency Cepstral Coeffcient(MFCC), nhằm đánh giá hiệu quả của mỗi loại đặc trưng sau khi được áp dụng BNF. Kết quả thử nghiệm chứng tỏ BNF hiệu quả với tiếng nói tiếng Việt, kết quả nhận dạng trên đặc trưng BNF tốt hơn so với hệ thống cơ sở (baseline system) trong khoảng từ 6% đến 7%, và đặc trưng MFCC cho kết quả tốt hơn PLP. T khóa. Bottle Neck Feature, nhận dạng tiếng Việt, mô hình makov ẩn. Abstract. In the paper, the basic idea of Bottle Neck Feature(BNF) and the process how to extract BNF are presented. In this study, we apply BNF for Vietnamese speech recognition with five layers MLP network of different sizes for the first hidden layer. Input features to extract BNF feature are Perceptual Linear Prediction(PLP) and Mel Frequency Cepstral Coeffcient(MFCC). The experiments are carried out on a data set of VOV(Voice of Vietnam).The results show that using BNF for Vietnamese speech recognition, a WER(Word Error Rate)is improved up to 6-7% comparing to the baseline system, and MFCC feature gives a better result than PLP feature. Key words. BNF, Bottle Neck Feature, Vietnamese speech recognition, HMM-GMM. 1. GIỚI THIỆU Phương pháp trích chọn các đặc trưng của tiếng nói sử dụng mạng neural đang trở .

• Kỹ thuật lập trình
• Nhận dạng tiếng nói tiếng Việt
• Áp dụng bottle neck feature
• Bottle neck feature
• Bottle Neck Feature
• Nhận dạng tiếng Việt
• Mô hình Markov ẩn
• Bottle Neck Feature
• Vietnamese speech recognition
• Nhận dạng âm thanh
• Nhận dạng tiếng nói
• Nhận dạng giọng nói Tiếng Việt
• Logic mờ ứng dụng
• Nhận dạng phổ tín hiệu tiếng nói
• các dạng đặc trưng tiếng nói
• xử lý tiếng nói
• lý thuyết nhận dạng tiếng nói
• luận văn thạc sĩ
• Điều khiển thiết bị bằng tiếng nói
• Phương pháp nhận dạng tiếng nói
• Nhận dạng tiếng nói bằng tiếng Việt
• Cách thức nhận dạng tiếng nói
• Thư viện CMU Sphinx
• Hệ thống nhúng
• Hệ thống thông tin
• Mô hình nhận dạng tiếng nói
• Lý thuyết xử lý tiếng nói
• Quá trình tiền xử lý tiếng nói
• Hệ thống mô phỏng nhận dạng tiếng nói
• Phương pháp lượng tử hóa vector
• Mô hình điều khiển tivi
• Mô hình nhận dạng tiếng nói Tiếng Việt
• Đặc trưng tiếng việt
• phân tích tiếng nói
• xử lý tín hiệu số
• phân tích tín hiệu tiếng nói
• chuỗi số FOURIER
• ngữ pháp tiếng Việt
• Mô hình ngôn ngữ
• Mô hình ngôn ngữ Transformer XL
• Hệ thống nhận dạng tiếng nói
• Mô hình RNN
• Phương pháp nhận dạng cảm xúc tiếng Việt nói
• Cảm xúc tiếng Việt nói
• Nhận dạng cảm xúc
• Phân tích phân biệt tuyến tính LDA
• Bộ ngữ liệu cảm xúc cho tiếng Việt
• Hệ thống nhận dạng tiếng Việt
• Thông tin về phương ngữ
• Nhận dạng tiếng Việt nói
• Ma trận nhầm lẫn nhận dạng phương ngữ
• Tiếng Việt nói
• Bộ công cụ nhận dạng Kaldi
• Mô hình âm học
• Từ điển phát âm
• Khái niệm âm tố
• các đặc trưng âm học
• âm vị tự động
• nhận dạng âm vị
• dự báo tuyến tính
• Phương pháp nhận dạng phân biệt tiếng nói
• Phân biệt tiếng nói với âm nhạc
• Nhạc Việt Nam
• Năng lượng ngắn hạn thấp
• Tiếng nói và âm nhạc
• Luận án Tiến sỹ Hệ thống thông tin
• Phương ngữ phát âm
• Mô hình GMM
• Bộ công cụ nhận dạng HTK
• Chữ số Việt
• Hệ thống nhận dạng
• Tóm tắt luận án Tiến sĩ
• Tóm tắt luận án Tiến sĩ Kỹ thuật
• Kỹ thuật nhận dạng người nói
• Từ khoá tiếng Việt
• Nhận dạng người nói dựa trên từ khoá
• Quy trình giám định pháp lý
• Nhận dạng phương ngữ tiếng Việt
• Độc lập người nói
• Bộ ngữ liệu VDSPEC
• Hệ thống nhận dạng tự động tiếng nói
• Cảm xúc trong tiếng nói
• Ngữ liệu cảm xúc tiếng Việt
• Nhận dạng cảm xúc tiếng Việt
• Năng lượng tiếng nói
• Cơ chế tạo cảm xúc
• Nhận dạng tiếng nói chữ số Việt
• Nói chữ số Việt
• Hệ thống nhập điểm
• Chương trình nhập điểm
• Nhận dạn chữ số
• Thiết bị di động
• Bộ công cụ CMUSphinx
• Luận án Tiến sĩ
• Luận án Tiến sĩ Toán học
• Cơ sở toán học cho tin học
• Nhận dạng tiếng Việt từ vựng lớn
• Luận án Tiến sĩ Hệ thống thông tin
• Công nghệ thông tin
• Phương ngữ tiếng Việt
• Nhận dạng tiếng nói phát âm
• Phương ngữ chính của tiếng Việt
• Phương thức phát âm
• Kỷ yếu hội nghị Quốc gia về Điện tử truyền thông
• Hệ thống nhúng nhận dạng tiếng nói tiếng Việt
• Mel Frequency Cepstral Coefficients
• Dynamic Time Warping