基于注意力机制语谱图特征提取的语音识别

摘要

针对连接时序分类模型需具有输出独立性的假设，对语言模型的依赖性强且训练周期长的问题，提出一种基于连接时序分类模型的语音识别方法.首先，基于传统声学模型的框架，利用先验知识训练基于注意力机制的语谱图特征提取网络，有效提高了语音特征的区分性和鲁棒性；其次，将语谱图特征提取网络拼接在连接时序分类模型的前端，并减少模型中循环神经网络层数进行重新训练.测试分析结果表明，该改进模型缩短了训练时间，有效提升了语音识别准确率.

关键词

语音识别 / CTC模型 / 循环神经网络 / 注意力机制

基金资助

教育部重点研究项目(批准号：E-AQGABQ20202710); 辽宁省自然科学基金(批准号：2019-ZD-0168); 辽宁省科技厅联合开放基金机器人学国家重点实验室开放基金(批准号：2020-KF-12-11); 中国刑事警察学院重大计划培育项目(批准号：3242019010); 公安学科基础理论研究创新计划项目(批准号：2022XKGJ0110); 证据科学教育部重点实验室(中国政法大学)开放基金(批准号：2021KFKT09)