کاربرد نرمال سازی اکوسیتکی برای بهبود بازشناسی گفتار کودکان

ایجاد مشکلاتی در بازشناسی خودکار گفتار کودکان می شود. تجربه نشان داده در صورتی که از داده صحبت کودکان به عنوان ورودی در مدل های اکوستیکی استفاده شود که با گفتار بزرگسالان آموزش یافته اند، کارایی به اندازه قابل توجهی کاهش می یابد. نرخ خطای کلمه برای شناسایی صحبت کودکان 2 تا 4 بار بیشتر از بزرگسالان است. میزان درستی شناسایی صحبت در کودکان به عواملی مثل سن، جنسیت، فرکانس مبنایی و قد بستگی دارد. در این مقاله برخی از روش های افزایش کارایی شناسایی صحبت کودکان شامل نرمال سازی طول محدوده صوتی (VTLN) آموزش تطبیقی گوینده (SAT) و نرمال سازی گوینده بر اساس رگرسیون خطی با بیشترین درست نمایی محدود شده (CMLSN) مطرح و مقایسه می شوند.

کلیدواژه ها:

بازشناسی گفتار کودکان ، تبدیل صوت ، مدل سازی تطبیقی ، نرمال سلزی گوینده