Modelování neřečových událostí při rozpoznávání čtených a spontánních promluv

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03149357" target="_blank" >RIV/68407700:21230/08:03149357 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Speaker Non-Speech Event Modelling in Recognition of Read and Spontaneous Speech

Popis výsledku v původním jazyce

Modelling of non-speech events brings the necessary robustness in the recognition of natural or spontaneous utterances which are usually full of such acoustic disfluencies. This paper presents the solution of speaker non-speech event modelling commonly with the analyzes how efficiently these events are modelled. Firstly, the procedure for efficient training of non-speech event models on read speech data is presented. The results of experiments with simple ASR achieved 26,% decrease of word error rateand a~significant decrease of insertion rate with these models. Secondly, the extension of training data with spontaneous speech collection is described. It contributes to the availability of more natural data for training purposes and mainly to the better training of non-speech event models, which is demonstrated by the experiment on filled pause recognition.

Název v anglickém jazyce

Speaker Non-Speech Event Modelling in Recognition of Read and Spontaneous Speech

Popis výsledku anglicky

Modelling of non-speech events brings the necessary robustness in the recognition of natural or spontaneous utterances which are usually full of such acoustic disfluencies. This paper presents the solution of speaker non-speech event modelling commonly with the analyzes how efficiently these events are modelled. Firstly, the procedure for efficient training of non-speech event models on read speech data is presented. The results of experiments with simple ASR achieved 26,% decrease of word error rateand a~significant decrease of insertion rate with these models. Secondly, the extension of training data with spontaneous speech collection is described. It contributes to the availability of more natural data for training purposes and mainly to the better training of non-speech event models, which is demonstrated by the experiment on filled pause recognition.

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

Název statě ve sborníku

Digital Technologies 2008

ISBN

978-80-8070-953-2

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

Žilinská universita, Elektrotechnická fakulta

Místo vydání

Žilina

Místo konání akce

Žilina

Datum konání akce

20. 11. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—