卷积神经网络用于远程语音识别

卷积神经网络用于远程语音识别(中文5000字,英文PDF)
摘要
我们研究了卷积神经网络（CNNs）用于大词汇远程语音识别，从单个远程麦克风（SDM）到多个远程麦克风（MDM）记录的语音进行训练。在MDM情况下，我们探索了与直接使用多个声学通道作为CNN的并行输入相比，波束形成信号输入的表示方法，探索了不同的权重共享方法，并提出了一种双向汇集的信道方式卷积。我们在使用AMI会议语料库进行的实验中发现，相较于传统的深度神经网络（DNN）,CNNs提高了6.5%的字错误率（WER），而相较于相差训练的高斯混合模型（GMM）基线，提高了15.7%。对于跨频道的CNN训练，相对于比较型DNN结构，WER提高了3.5％。而与最佳波束形成的GMM系统相比，跨频道卷积相对将WER降低了9.7％，并且达到了波束形成DNN的精度。
关键词：AMI语料库，卷积神经网络，深度神经网络，远程语音识别，会议。