Modelling of Speaker Non-speech Events in Robust Speech Recognition

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F06%3A03129459" target="_blank" >RIV/68407700:21230/06:03129459 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Modelling of Speaker Non-speech Events in Robust Speech Recognition

Original language description

Experiments on modelling of speaker non-speech events (SNE) using robust speech recogniser based on hidden Markov models (HMM) are presented in this work. A speaker independent spoken Czech digits recogniser based on Czech phoneme modelling in real environment was used for this purpose. Only SNEs which are positioned in between words are modelled, as they can be easily added to the recogniser grammar as they were another word. The recognition results were analysed for two different testing datasets, each derived from the training sets (different in environmental conditions). At the end of the experiment the recognition score increased for about 22% and 11% for the used testing datasets against the results reached without modelling the events. The recogniser was also tested on data with unknown recording conditions. Low number of incorrectly inserted word shows that this modelling seem to be less dependent on recording conditions than pure phoneme model case.

Czech name

Modelování neřečových událostí řečníka při robustním rozpoznávání řeči

Czech description

Tento článek prezentuje experimenty v oblasti modelování neřečových událostí řečníka (NUR) v robustním rozpoznávači řeči s použitím rozpoznávače českých číslovek na bázi skrytých Markovových modelů monofónů pracujícího v reálném prostředí. Modelování NURa snadné zahrnutí těchto modelů do gramatiky rozpoznávače umožňuje poloha těchto neřečových událostí mezi jednotlivými slovy promluvy. Výsledky experimentů jsou srovnány na dvou sadách testovacích dat. Výsledné hodnoty zlepšení rozpoznávacího skóre o 22% a 11% a výrazné snížení chyby typu inzerce ukazují na vhodnost metody pro zvýšení robustnosti v úloze rozpoznávání řeči. Modely neřečových událostí také v experimentech vykazují nízkou citlivost na rozdílné nahrávací podmínky.

Type

D - Article in proceedings

CEP classification

JA - Electronics and optoelectronics

OECD FORD branch

—

Project

<a href="/en/project/GD102%2F03%2FH085" target="_blank" >GD102/03/H085: Biological and speech signal modelling</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2006

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Proceedings of the 16th Czech-German Workshop on Speech Processing

ISBN

80-86269-15-9

ISSN

—

e-ISSN

—

Number of pages

7

Pages from-to

149-155

Publisher name

AV ČR, Ústav radiotechniky a elektroniky

Place of publication

Praha

Event location

Praha

Event date

Sep 27, 2006

Type of event by nationality

EUR - Evropská akce

UT code for WoS article

—