10.3969/j.issn.1006-2475.2014.06.016
基于BIC的语音识别模型压缩算法
当对HMM( Hidden Markov Model ,隐马尔科夫模型)语音模型进行GMM( Gaussian Mixture Model ,混合高斯模型)区分训练增加组件时,语音模型的识别率会随着GMM的组件增多而增加,模型的大小也会增加,这就造成了语音模型的臃肿。而在移动端使用本地语音模型进行识别时,存放一个几百兆的模型很不合适。针对上述问题,本文提出将一个GMM组件数较多的语音模型利用BIC准则压缩到指定的组件数,从而在模型大小合适的情况下尽量保证模型的识别率。实验结果表明,使用本方法进行压缩之后的语音识别率比未压缩的相同组件数的语音识别模型的识别率要高。
语音识别、模型压缩、BIC(贝叶斯信息准则)
TP391.41(计算技术、计算机技术)
2014-07-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
71-73,78