Abstract
This paper presents a survey of basic methods for acoustic and language model development based on artificial neural networks for automatic speech recognition systems. The hybrid and tandem approaches for combination of Hidden Markov Models and artificial neural networks for acoustic modelling are given. The creation of language models using feedforward and recurrent neural networks is described. The survey of researches, conducted in this field, shows that application of artificial neural networks at the stages of both acoustic and language modeling allows decreasing word error rate.
Highlights
Для акустического моделирования речи обычно используются скрытые марковские модели (СММ), при этом каждый аллофон представляется одной непрерывной СММ первого порядка
This paper presents a survey of basic methods for acoustic and language model development based on artificial neural networks for automatic speech recognition systems
Summary
Для акустического моделирования речи обычно используются скрытые марковские модели (СММ), при этом каждый аллофон (звук речи) представляется одной непрерывной СММ первого порядка. КАРПОВ РАЗНОВИДНОСТИ ГЛУБОКИХ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ СИСТЕМ РАСПОЗНАВАНИЯ РЕЧИ В статье представлен аналитический обзор основных разновидностей акустических и языковых моделей на основе искусственных нейронных сетей для систем автоматического распознавания речи. Обзор исследований в данной области показывает, что применение искусственных нейронных сетей как на этапе акустического, так и на этапе языкового моделирования позволяет снизить ошибку распознавания слов.
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
