Hledání robustního nastavení MFCC parametrizace pro ASR aplikace

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F07%3A00000035" target="_blank" >RIV/49777513:23520/07:00000035 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
SEARCHING FOR A ROBUST MFCC-BASED PARAMETERIZATION FOR ASR APPLICATION
Popis výsledku v původním jazyce
The paper studies the influence of significant space reduction and decorrelation techniques on the performance of an automatic speech recognition (ASR) system. A baseline PLP-based ASR system, which works with zero-gram language model, was trained usingspeech of one thousand speakers. The Linear Discriminant Analysis (LDA), Heteroscedastic LDA (HLDA) and Smoothed HLDA (SHLDA) techniques were applied and compared in many experiments in which an optimum dimension of a feature space was searched for.
Název v anglickém jazyce
SEARCHING FOR A ROBUST MFCC-BASED PARAMETERIZATION FOR ASR APPLICATION
Popis výsledku anglicky
The paper studies the influence of significant space reduction and decorrelation techniques on the performance of an automatic speech recognition (ASR) system. A baseline PLP-based ASR system, which works with zero-gram language model, was trained usingspeech of one thousand speakers. The Linear Discriminant Analysis (LDA), Heteroscedastic LDA (HLDA) and Smoothed HLDA (SHLDA) techniques were applied and compared in many experiments in which an optimum dimension of a feature space was searched for.

Projekt
<a href="/cs/project/1QS101470516" target="_blank" >1QS101470516: Automatické vyhledávání klíčových slov v proudu zvukových dat</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2007
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)