Abstract—We propose to adapt deep n

Abstract—We propose to adapt deep neural network (DNN)
acoustic models to a target speaker by supplying speaker identity
vectors (i-vectors) as input features to the network in parallel with
the regular acoustic features for ASR. For both training and test,
the i-vector for a given speaker is concatenated to every frame
belonging to that speaker and changes across different speakers.
Experimental results on a Switchboard 300 hours corpus show
that DNNs trained on speaker independent features and ivectors
achieve a 10% relative improvement in word error rate
(WER) over networks trained on speaker independent features
only. These networks are comparable in performance to DNNs
trained on speaker-adapted features (with VTLN and FMLLR)
with the advantage that only one decoding pass is needed.
Furthermore, networks trained on speaker-adapted features and
i-vectors achieve a 5-6% relative improvement in WER after
hessian-free sequence training over networks trained on speakeradapted
features only

ผลลัพธ์ (ไทย) 1:

นามธรรมซึ่งเราเสนอการปรับโครงข่ายประสาทลึก (DNN)เป้าหมายของลำโพงโดยการขายตัวของลำโพงรุ่นอะคูสติกเวกเตอร์ (i-เวกเตอร์) เป็นลักษณะเข้าข่ายไปพร้อม ๆ กับคุณลักษณะระดับปกติสำหรับ ASR สำหรับการฝึกอบรมและการทดสอบเชื่อมรวมอยู่เวกเตอร์ i สำหรับลำโพงให้กับทุกเฟรมเป็นสมาชิกที่ลำโพงและเปลี่ยนแปลงข้ามลำโพงแตกต่างกันแสดงผลการทดลองในคอร์พัสคริบอร์ด 300 ชั่วโมงว่า DNNs อบรมการลำโพงขึ้นอยู่กับคุณลักษณะและ ivectorsให้ปรับปรุงสัมพัทธ์ 10% ในอัตราข้อผิดพลาดคำ(WER) ผ่านเครือข่ายการฝึกอบรมในลักษณะอิสระลำโพงเท่านั้น เครือข่ายเหล่านี้จะสามารถเปรียบเทียบประสิทธิภาพการทำงานกับ DNNsอบรมการปรับลำโพงคุณลักษณะ (กับ VTLN และ FMLLR)มีประโยชน์ จะต้องผ่านการถอดรหัสที่เดียวนอกจากนี้ เครือข่ายฝึกอบรมบนคุณลักษณะที่ปรับลำโพง และปรับปรุงสัมพันธ์ 5-6% ใน WER หลังจากบรรลุเวกเตอร์ iอบรมฟรี hessian ลำดับการฝึกอบรมผ่านเครือข่ายการ speakeradaptedคุณลักษณะเฉพาะ

ผลลัพธ์ (ไทย) 3:

นามธรรม เราเสนอให้ปรับโครงข่ายประสาทลึก ( dnn )
อะคูสติกรุ่นเป้าลำโพงโดยการขายเวกเตอร์เอกลักษณ์
ลำโพง ( i-vectors ) เป็นคุณสมบัติที่เข้าข่ายในขนานกับ
ปกติคุณสมบัติอะคูสติกขั้นสูง . ทั้งการฝึกและทดสอบ
i-vector ให้ลำโพงมาทุกกรอบ
เป็นของที่ลำโพงและการเปลี่ยนแปลงผ่านลำโพงที่แตกต่างกัน .
ผลการทดลองบนแผง 300 ชั่วโมงสะสมโชว์
ที่ dnns ฝึกลำโพงมีอิสระและ ivectors
บรรลุการปรับปรุงสัมพัทธ์ 10% ในอัตราข้อผิดพลาด
คำ ( เวอร์ ) ผ่านเครือข่ายการฝึกอบรมวิทยากรอิสระคุณสมบัติ
เท่านั้น เครือข่ายเหล่านี้จะเปรียบในการท dnns
ฝึกลำโพงดัดแปลงคุณสมบัติ ( มี vtln และ fmllr )
กับประโยชน์ที่เดียวถอดรหัสผ่านเป็น .
นอกจากนี้ เครือข่ายการฝึกอบรมในลำโพงปรับปรุงคุณลักษณะและ
i-vectors บรรลุการปรับปรุงญาติ 5-6 % ในผู้ที่หลังจาก
Hessian ฟรีลำดับการฝึกอบรมผ่านเครือข่ายการฝึกอบรมใน speakeradapted
คุณสมบัติเท่านั้น