Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Multi-Condition Training for Unknown Environment Adaptation in Robust ASR Under Real Conditions

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F09%3A00157917" target="_blank" >RIV/68407700:21230/09:00157917 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Multi-Condition Training for Unknown Environment Adaptation in Robust ASR Under Real Conditions

  • Popis výsledku v původním jazyce

    Automatic speech recognition (ASR) systems frequently work in noisy environment. As they are often trained on clean speech data, noise reduction or adaptation techniques are applied to decrease the influence of background disturbance. This paper analysesthe recognition performance within such adaptation when multi-condition training data from real environment are used for training initial models. Although the quality of such models can decrease with the presence of noise in the training material, theyare supposed to include initial information about noise and consequently support the adaptation procedure. Experimental results show significant improvement of the proposed training method in robust ASR task under unknown noisy conditions. The decrease by 29% and 14% in word error rate against the case with clean speech training data was reached for the non-adapted and adapted system respectively.

  • Název v anglickém jazyce

    Multi-Condition Training for Unknown Environment Adaptation in Robust ASR Under Real Conditions

  • Popis výsledku anglicky

    Automatic speech recognition (ASR) systems frequently work in noisy environment. As they are often trained on clean speech data, noise reduction or adaptation techniques are applied to decrease the influence of background disturbance. This paper analysesthe recognition performance within such adaptation when multi-condition training data from real environment are used for training initial models. Although the quality of such models can decrease with the presence of noise in the training material, theyare supposed to include initial information about noise and consequently support the adaptation procedure. Experimental results show significant improvement of the proposed training method in robust ASR task under unknown noisy conditions. The decrease by 29% and 14% in word error rate against the case with clean speech training data was reached for the non-adapted and adapted system respectively.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

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

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2009

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Acta Polytechnica

  • ISSN

    1210-2709

  • e-ISSN

  • Svazek periodika

    49

  • Číslo periodika v rámci svazku

    2-3/2009

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    5

  • Strana od-do

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus