Discriminative training of gender-dependent acoustic models

Abstract

Hlavním cílem tohoto článku je prozkoumat metody modelování gender-dependent akustických modelů, které budou brát v úvahu nedokonalou funkci detektoru řečníka. Takovéto metody se uplatní zejména v úlohách automatického rozpoznávání řeči v reálném čase, kde detekovaná informace o řečníkovy bývá často zpožděná nebo chybná. Cílem je minimalizovat vliv této chybovosti na výsledek rozpoznávání. Článek rovněž popisuje automatický algoritmus pro tvorbu těchto modelů, kterým lze standardní gender-dependent modely ještě vylepšit. Idea tohoto přístupu spočívá v tom, že někteří muži mají hlas akusticky spíše se podobající hlasu ženskému a naopak. Tento algoritmus dokáže rovněž zkorigovat případné chyby v úvodní informaci o pohlaví řečníků.