基于卷积神经网络的语种识别系统.docxVIP

基于卷积神经网络的语种识别系统

金马;宋彦;戴礼荣

【摘要】Akeyproblemoflanguageidentification(LID)ishowtodesigneffectiverepresentationswhicharespecifictolanguageinformation.Recentadvancesindeepneuralnetworks(DNNs)haveledtosignificantimprovementsinlanguageidentification.TheacousticfeatureextractedfromastructuredDNNwhichisdiscriminativetophonemeortri-phonestatescansignificantlyimprovetheperformance.End-toendschemesalsoshowitsstrongcapabilityofmodellinginrecentyears.Anovelend-to-endconvolutionalneuralnetwork(CNN)LIDsystemisproposed,calledlanguageidentificationnetwork(LID-net),takingadvantageofneuralnetworks(NNs)withthecapabilityinfeatureextractionanddiscriminativemodelling,whichcanextractunitsthatdiscriminanttolanguages,andwecallthemLID-senones,thuscanextracteffectiveutterancerepresentationwithpoolinglayer.EvaluationsonNISTLRE2009showimprovedperformancecomparedtocurrentstate-of-the-artdeepbottleneckfeaturewithtotalvariability(DBF-TV)method,canachieve1.35％,12.79％and29.84％relativeequalerrorrate(EER)improvementon30,10and3sutterancesandreceiveover30％relativegaininCavgonalldurations.%从给定语音中提取有效语音段表示是语种识别的关键点.近年来深度学习在语种识别应用中有重要的进展,通过深度神经网络可以提取音素相关特征,并有效提升系统性能.基于深度学习的端对端语种识别系统也表现出其优异的识别性能.本文针对语种识别任务提出了基于卷积神经网络的端对端语种识别系统,利用神经网络强大的特征提取能力及区分性建模能力,提取具有语种区分性的基本单元,再通过池化层得到有效语音段表示,最后输入全连接层得到识别结果.实验表明,在NISTLRE2009数据集上,相比于现阶段国际主流语种识别系统,提出的系统在30s,10s和3s等语音段上错误率分别相对下降了1.35％,12.79％和29.84％,且平均错误代价在3种时长上均相对下降30％以上.

【期刊名称】《数据采集与处理》

【年(卷),期】2019(034)002

【总页数】9页(P322-330)

【关键词】语种识别;卷积神经网络;语音段表示;语种区分性基本单元;端对端机制

【作者】金马;宋彦;戴礼荣

【作者单位】中国科学技术大学语音及语言信息处理国家工程实验室,合肥,230027;中国科学技术大学语音及语言信息处理国家工程实验室,合肥,230027;中国科学技术大学语音及语言信息处理国家工程实验室,合肥,230027

【正文语种】中文

【中图分类】TN912.34

引言

语种识别是指利用计算机自动判定语音片段所属语言种类的过程。据统计，全世界已查明的语言数量为7099种[1]，而中国的56个民族就有80多种彼此不能通话的语言和地区方言[2]。随着全球国际化的日益加深，如何在全国甚至全世界范围内进行无障碍交流成为不能忽略的问题。面对如此庞大的语言体系，一个人能掌握的语言种类非常有限。因此，自动语种识别技术的重要性和地位