Automatic Phonetic Segmentation and Pronunciation Detection with Various Approaches of Acoustic Modeling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00323958" target="_blank" >RIV/68407700:21230/18:00323958 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-99579-3_44" target="_blank" >http://dx.doi.org/10.1007/978-3-319-99579-3_44</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-99579-3_44" target="_blank" >10.1007/978-3-319-99579-3_44</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic Phonetic Segmentation and Pronunciation Detection with Various Approaches of Acoustic Modeling

Popis výsledku v původním jazyce

The paper describes HMM-based phonetic segmentation realized by KALDI toolkit with the focus on study of accuracy of various acoustic modeling such as GMM-HMM vs. DNN-HMM, monophone vs. triphone, speaker independent vs. speaker dependent. The analysis was performed with TIMIT database and it proved the contribution of advanced acoustic modeling, especially for the choice of a proper pronunciation variant. For this purpose, the lexicon covering the pronunciation variability among TIMIT speakers was created on the basis of phonetic transcriptions available in TIMIT corpus. When the proper sequence of phones is recognized by DNN-HMM system, more precise boundary placement can be then obtained using basic monophone acoustic models.

Název v anglickém jazyce

Automatic Phonetic Segmentation and Pronunciation Detection with Various Approaches of Acoustic Modeling

Popis výsledku anglicky

The paper describes HMM-based phonetic segmentation realized by KALDI toolkit with the focus on study of accuracy of various acoustic modeling such as GMM-HMM vs. DNN-HMM, monophone vs. triphone, speaker independent vs. speaker dependent. The analysis was performed with TIMIT database and it proved the contribution of advanced acoustic modeling, especially for the choice of a proper pronunciation variant. For this purpose, the lexicon covering the pronunciation variability among TIMIT speakers was created on the basis of phonetic transcriptions available in TIMIT corpus. When the proper sequence of phones is recognized by DNN-HMM system, more precise boundary placement can be then obtained using basic monophone acoustic models.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Speech and Computer

ISBN

978-3-319-99578-6

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

11

Strana od-do

419-429

Název nakladatele

Springer

Místo vydání

Basel

Místo konání akce

Leipzig

Datum konání akce

18. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—