基于深度神經(jīng)網(wǎng)絡的蒙古文語音識別系統(tǒng).pdf

1、語音識別技術，也被稱為自動語音識別(ASR)，其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。
　　近年來，語音識別技術已經(jīng)在各種大語種中全面展開，進入各個領域。比如隨處可見的蘋果中的siri系統(tǒng)。可惜高質量的語音服務中還未出現(xiàn)少數(shù)民族語言的相應語音服務。蒙古語語音識別的研究課題對于促進蒙古族語言文化的繁榮、發(fā)展和科技進步，以及中國少數(shù)民族語音信息處理的發(fā)展都具有重要的意義。
　　目

2、前有關語言和語音處理的公共可用的開源軟件越來越多，而大多數(shù)的語音識別系統(tǒng)僅僅處理封閉的詞匯表。但對于處理無限制語音輸入的應用程序來說，即使再大的詞匯表也無法覆蓋所有的詞匯。德國亞琛工業(yè)大學開發(fā)的開源語音識別工具(RWTHASR，簡稱RASR)，可將詞匯表中的詞單元組合起來合并成一個新詞，從而在識別處理過程中識別外來詞匯，完成大詞匯量連續(xù)語音識別。
　　本文介紹了語音識別技術的理論知識，并且通過德國亞琛工業(yè)大學開發(fā)的開源語音識別工具

3、(RWTH ASR，簡稱RASR)開發(fā)大詞匯量語音識別的聲學模型和解碼器。完成信號分析的配置，估計高斯混合模型和語音決策樹，結合深度神經(jīng)網(wǎng)絡(Deep Neural Network，DNN)得到一個開放的詞匯自動語音識別(Automatic Speech Recognition，ASR)系統(tǒng)。本文的主要工作是使用神經(jīng)網(wǎng)絡來對大量語音數(shù)據(jù)進行訓練，并得到聲學模型。同時詳細介紹了怎樣用RASR開源工具開發(fā)連續(xù)語音識別的過程，重點介紹訓練和識