Adaptace akustického modelu v úloze s malým množstvím adaptačních dat

Abstract

Tato práce se zabývá problematikou automatické adaptace akustického modelu na aktuální data od konkrétního řečníka. Pro natrénování modelu je potřeba velkého množství dat, které je z praktického hlediska nemožné získat od jednoho řečníka. Řešením je konstrukce akustického modelu na datech od více řečníků a následná adaptace tohoto modelu na dostupných datech daného řečníka. Klasické metody adaptace, představené v této práci, mají problémy s malým množstvím adaptačních dat, takto adaptovaný model může ve výsledku zhoršovat rozpoznávání. Práce si klade za cíl vysvětlit principy používaných adaptačních metod a postupy adaptačního trénování, dále se zaměřuje na problém nedostatku dat při adaptaci. Jsou zde představeny známé robustní metody adaptace a navržena vlastní řešení, jejichž účinnost je vzájemně experimentálně porovnána.