The performance of state-of-the-art

The performance of state-of-the-art automatic speech
recognition (ASR) systems tends to decrease when the distance
between the speaker’s mouth and the microphone
grows, due to both noise and reverberation (Wo¨ lfel and
McDonough, 2009). In many situations the use of closetalking
microphones is not possible or practical, so a different
solution is required. The use of multiple distant-talking
microphones provides several options that may help to
solve this problem.
In this work, we assume a practical, cost-effective and
unconstrained multi-microphone scenario, where the
microphones are arbitrarily located and may show a variety
of characteristics. For instance, in a meeting room,
some microphones may be hanging on the walls, others
standing on the table, or they may be built in the personal
communication devices of the meeting participants.
Moreover, some of them may be omnidirectional, others
directional or noise-canceling, etc. In such situation, where
the positions of the microphones are either not known or
fixed, the application of commonly used multi-microphone
approaches, like array processing (Brandstein and Ward,
2001), becomes difficult.
An alternative is provided by channel selection (CS).
Before any processing, the degree of signal distortion differs
among the channels, depending on the microphone
position and characteristics. Even if speech enhancement
is applied, the processed speech signals will not be distorted
equally, so some of them may be decoded with less recognition
errors than others. Consequently, the ASR system
may benefit if signals of higher quality are selected for further
processing. To do so, a measure of distortion, or a
measure of how well recorded or enhanced signals fit the
set of acoustic models of the ASR system is needed.
As the word error rate (WER) is unknown during recognition,
the main problem is to develop a measure, that
allows to rank the channels in a way as close as possible
to the WER based ranking. In this paper, several new measures
are presented and compared, in terms of recognition

ผลลัพธ์ (ไทย) 1:

ประสิทธิภาพการทำงานของรัฐของศิลปะการพูดอัตโนมัติ
รับรู้ (ASR) ระบบมีแนวโน้มที่จะลดลงเมื่อระยะห่าง
ระหว่างปากลำโพงและไมโครโฟน
เติบโตขึ้นเนื่องจากทั้งเสียงรบกวนและการสั่นสะเทือน (wo ¨ lfel และ
ดอน, 2009 ) ในหลาย ๆ สถานการณ์การใช้ closetalking
ไมโครโฟนเป็นไปไม่ได้หรือการปฏิบัติที่แตกต่างกันเพื่อแก้ปัญหา
จะต้อง ใช้หลาย ๆ ที่ห่างไกลพูดคุย
ไมโครโฟนมีหลายตัวเลือกที่อาจช่วยให้
แก้ปัญหานี้
. ในงานนี้เราจะถือว่าการปฏิบัติที่มีประสิทธิภาพและเข้มงวด
สถานการณ์หลายไมโครโฟนที่
ไมโครโฟนที่ตั้งอยู่โดยพลและอาจแสดงความหลากหลายของลักษณะ
ตัวอย่างเช่นในห้องประชุม
บางไมโครโฟนอาจจะถูกแขวนอยู่บนผนังอื่น ๆ
ยืนอยู่บนโต๊ะหรือพวกเขาอาจจะถูกสร้างขึ้นในส่วนบุคคล
อุปกรณ์การสื่อสารของผู้เข้าร่วมประชุม.
นอกจากนี้บางส่วนของพวกเขาอาจจะได้รอบทิศทางอื่น ๆ
ทิศทางหรือตัดเสียงรบกวนอื่น ๆ ในสถานการณ์ดังกล่าวที่
ตำแหน่งของไมโครโฟนที่มีอย่างใดอย่างหนึ่งไม่ได้ หรือที่รู้จักกัน
แก้ไขโปรแกรมที่ใช้กันทั่วไปหลายไมโครโฟน
วิธีการเช่นประมวลผลที่หลากหลาย (brandstein และวอร์ด
2001)กลายเป็นเรื่องยาก.
ทางเลือกที่มีให้โดยการเลือกช่อง (cs).
ก่อนที่จะประมวลผลใด ๆ ระดับของความผิดเพี้ยนของสัญญาณแตกต่าง
ระหว่างช่องขึ้นอยู่กับไมโครโฟน
ตำแหน่งและลักษณะ แม้ว่าการเพิ่มประสิทธิภาพการพูด
จะใช้สัญญาณการพูดการประมวลผลจะไม่ถูกบิดเบือนอย่างเท่าเทียมกัน
ดังนั้นบางคนก็อาจจะถอดรหัสกับการรับรู้ข้อผิดพลาดน้อย
กว่าคนอื่น ๆดังนั้นระบบ ASR
อาจได้รับประโยชน์ถ้าสัญญาณที่มีคุณภาพสูงถูกเลือกสำหรับการประมวลผลต่อไป
จะทำเช่นนั้นตัวชี้วัดของการบิดเบือนหรือ
วัดว่าสัญญาณที่บันทึกไว้อย่างดีหรือเพิ่มพอดี
ชุดของรูปแบบอคูสติกของระบบ ASR เป็นสิ่งจำเป็น.
เป็นอัตราความผิดพลาดคำ (wer) เป็นที่รู้จักในระหว่างการรับรู้
ปัญหาหลักคือการพัฒนาตัวชี้วัดที่
ช่วยให้การจัดอันดับช่องทางในทางที่ใกล้ที่สุดเท่าที่เป็นไปได้ที่จะ
wer ตามการจัดอันดับของ ในบทความนี้มาตรการใหม่ ๆ
จะแสดงและเมื่อเทียบในแง่ของการรับรู้

ผลลัพธ์ (ไทย) 2:

ประสิทธิภาพของรัฐ-of-the-art อัตโนมัติเสียง
ระบบการรู้จำ (ASR) มีแนวโน้มลดลงเมื่อระยะห่าง
ระหว่างปากของลำโพงและไมโครโฟน
เติบโต เสียงรบกวนและ reverberation (Wo¨ lfel และ
แมคโดนัฟ 2009) ในหลายสถานการณ์ใช้ closetalking
ไมโครโฟนไม่ได้ หรือปฏิบัติได้ จริง เพื่อแตกต่าง
จำเป็นแก้ปัญหา ใช้หลายไกลพูด
ไมโครโฟนให้ตัวเลือกที่อาจช่วย
แก้ปัญหานี้
ในงานนี้ เราคิดว่าจริง คุ้มค่า และ
unconstrained ไมโครโฟนหลายสถานการณ์ ซึ่ง
ไมโครโฟนอาจแสดงความหลากหลาย และอยู่โดย
ลักษณะ ในห้องประชุม เช่น
ไมโครโฟนบางตัวอาจจะแขวนบนผนัง อื่น ๆ
ยืนบนโต๊ะ หรืออาจจะสร้างในส่วนบุคคล
อุปกรณ์สื่อสารของผู้เข้าร่วมประชุมจะได้
นอก บางส่วนของพวกเขาอาจได้รอบทิศทาง อื่น ๆ
ทิศทาง หรือเสียงรบกวน ฯลฯ ในสถานการณ์ดังกล่าว ซึ่ง
ทั้งตำแหน่งของไมโครโฟนไม่รู้จักกัน หรือ
ถาวร ใช้ไมโครโฟนหลายใช้กันทั่วไป
วิธี เช่นแถวลำดับการประมวลผล (Brandstein และ Ward,
2001), กลายเป็นเรื่องยาก
ทางเลือกโดยเลือกช่อง (CS) .
ก่อนประมวลผลใด ๆ ระดับของความผิดเพี้ยนของสัญญาณแตกต่าง
ระหว่างช่อง ขึ้นอยู่กับไมโครโฟน
ตำแหน่งและลักษณะการ แม้ปรับเสียง
จะใช้ เสียงการประมวลผลสัญญาณจะไม่มีผิดเพี้ยน
เท่า ๆ กัน ดังนั้นบางส่วนของพวกเขาอาจจะถอดรหัสกับการรับรู้น้อย
ข้อผิดพลาดอื่น ๆ ได้ ดังนั้น ระบบ ASR
อาจมีประโยชน์ถ้าเลือกสัญญาณคุณภาพสูงไว้สำหรับเพิ่มเติม
ประมวลผลได้ ดัง บิดเบือน การวัดหรือ
วัดสัญญาณที่บันทึกไว้ หรือเพิ่มพอดีวิธีที่ดี
จำเป็นชุดของแบบจำลองระดับระบบ ASR
ตามอัตราข้อผิดพลาดคำ (WER) ไม่รู้จักในระหว่างการรับรู้,
ปัญหาหลักคือการ พัฒนาหน่วยวัด ที่
ช่วยให้การจัดอันดับในช่องในแบบปิดที่สุด
การจัดอันดับโดย WER ในเอกสารนี้ หลายมาตรการใหม่
จะนำเสนอ และเปรียบ เทียบ ในแง่ของการรับรู้

ผลลัพธ์ (ไทย) 3:

ประสิทธิภาพ การทำงานของรัฐในแบบที่ทันสมัย Automatic Speech
Recognition ( ASR )ระบบซึ่งมีแนวโน้มที่จะลดลงเมื่อระยะที่
ซึ่งจะช่วยระหว่างปากของผู้พูดได้โดยตรงและไมโครโฟนที่
ซึ่งจะช่วยเพิ่มขึ้นเนื่องจากเสียงรบกวนและเสียงสะท้อน(จะพระราชหฤทัย lfel และ
McDonough 2009 )ทั้งสอง ในหลายๆกรณีการใช้ไมโครโฟน closetalking
ไม่ได้เป็นไปได้หรือใช้งานได้จริงดังนั้นจึงแตกต่างกันไป
โซลูชันที่มีความจำเป็น ใช้ที่อยู่ไกลออกไปของหลายพูด
ตามมาตรฐานไมโครโฟนมีตัวเลือกต่างๆที่อาจช่วยให้
ซึ่งจะช่วยแก้ปัญหานี้ได้
ในงานนี้เราจะต้องเป็นผู้รับผิดชอบเหตุการณ์แบบมัลติ - ไมโครโฟนที่มี ประสิทธิภาพ และ
ไม่มีข้อจำกัดในทางปฏิบัติที่
ไมโครโฟนที่มีพลตั้งอยู่และอาจแสดงความหลากหลายของลักษณะ
ซึ่งจะช่วย ตัวอย่างเช่นในการประชุมที่ห้อง
ไมโครโฟนบางอย่างอาจจะแขวนอยู่บนผนังที่
ซึ่งจะช่วยคนอื่นยืนอยู่บนโต๊ะหรืออาจจะสร้างขึ้นในอุปกรณ์การสื่อสารส่วนตัว
ซึ่งจะช่วยในการมีส่วนร่วมการประชุมที่.
นอกจากนี้บางคนอาจจะได้รอบทิศทาง
ซึ่งจะช่วยผู้อื่นทิศทางหรือตัดเสียงรบกวนเป็นต้นในสถานการณ์ดังกล่าวซึ่งตำแหน่งของไมโครโฟน
ซึ่งจะช่วยให้ไม่เป็นที่รู้จักหรือ
แบบคงที่แอปพลิเคชันของวิธีการแบบไมโครโฟน
ใช้กันโดยทั่วไปเช่นการประมวลผล Array ( brandstein และแผนก
2001 )กลายเป็นเรื่องยุ่งยาก.
ทางเลือกที่ได้รับการจัดหาโดยการเลือกช่องสัญญาณ( CS )..
ก่อนหน้าที่จะประมวลผลใดๆระดับของความผิดเพี้ยนของสัญญาณ
จะแตกต่างกันไปในช่องที่ขึ้นอยู่กับลักษณะและไมโครโฟน
ตำแหน่ง แม้ว่าการเพิ่ม คุณภาพ เสียงพูด
ซึ่งจะช่วยจะถูกนำมาใช้สัญญาณเสียงพูดดำเนินการจะไม่มีผิดเพี้ยน
อย่างเท่าเทียมกันดังนั้นบางคนอาจจะถอดรหัสด้วยการจดจำ
ซึ่งจะช่วยลดความผิดพลาดมากกว่าที่อื่นๆดังนั้นจึงมีผลทำให้ผลระบบ ASR ที่
อาจได้รับประโยชน์ถ้าสัญญาณมี คุณภาพ สูงกว่าจะถูกเลือกไว้สำหรับการประมวลผลเพิ่มเติม
ในการดำเนินการดังกล่าวให้เป็นค่าที่ได้จากการวัดความผิดเพี้ยนหรือ
ซึ่งจะช่วยวัดได้อย่างดีที่บันทึกหรือเพิ่มความกระชับพอดีที่สัญญาณ
ตั้งค่าของเสียงรุ่นของชุดข้อมูล ASR ระบบเป็นสิ่งจำเป็น.
เป็นที่คำว่าอัตราความผิดพลาด(บริษัท)เป็นที่รู้จักในระหว่างการจำแนก,
ที่สำคัญปัญหาคือการพัฒนาการวัดที่
ช่วยให้สามารถจัดอันดับช่องสัญญาณที่อยู่ในทางที่เป็นอยู่ใกล้ที่สุดเท่า
ซึ่งจะช่วยให้บริษัทที่ใช้การจัดอันดับ ในเอกสารนี้ใช้มาตรการใหม่หลายอย่าง
ซึ่งจะช่วยให้และเมื่อเทียบกับในข้อกำหนดของการยอมรับ