연속 밀도 숨겨진 마르코프 모델의 매개변수의 화자 적응에 관한 연구

연속 밀도 숨겨진 마르코프 모델(CDHMM)을 기반으로 한 음성 인식 시스템에서 CDHMM 매개변수의 화자 적응은 베이esian 학습 절차로 수립됩니다. CDHMM 매개변수의 적응 추정을 얻기 위해 세그멘탈 k-평균 훈련 절차에 쉽게 통합될 수 있는 화자 적응 절차가 제시됩니다. CDHMM의 가우시안 상태 관찰 밀도의 평균 및 대각선 공분산 행렬을 적응하는 것에 대한 일부 결과가 보고됩니다. 고립 단어 모드에서 39단어 영어 알파-디지털 어휘에 대한 테스트 결과에 따르면, 화자 적응 절차는 각 단어에서 하나의 훈련 토큰을 사용하여 화자 적응을 수행할 때 화자 독립 시스템과 동일한 성능 수준을 달성합니다. 두 개 이상의 훈련 토큰을 화자 적응에 사용할 때 훨씬 더 나은 성능이 달성됨을 보여줍니다. 화자 의존 시스템과 비교할 때, 화자 적응의 성능은 항상 동일한 양의 훈련 데이터를 사용하는 화자 의존 훈련보다 같거나 더 나은 것으로 나타났습니다.