開放式課程語音辨認的初步研究

Abstract

近年來 語音辨識技術已經發展相當成熟， 語音辨識技術已經發展相當成熟， 對於朗讀式語音辨識效果都相當不 對於朗讀式語音辨識效果都相當不 錯， 但如若我們要將其運用在 開放式課程語音 上則 還有相當的難度，原因在於課 還有相當的難度，原因在於課 還有相當的難度，原因在於課 程語音擁有自發性的特，因此辨識率還是不甚理想。 本論文中 聲學模型方面 我們 採用實驗室現有的深層類神經網路聲學模型 ;語 言模型方面，由於自發性語音中包含許多口詞、 感嘆言模型方面，由於自發性語音中包含許多口詞、 感嘆言模型方面，由於自發性語音中包含許多口詞、 感嘆言模型方面，由於自發性語音中包含許多口詞、 感嘆言模型方面，由於自發性語音中包含許多口詞、 感嘆言模型方面，由於自發性語音中包含許多口詞、 感嘆言模型方面，由於自發性語音中包含許多口詞、 感嘆語助詞以及語者習慣 助詞以及語者習慣 用語，因此與傳統言模型差異甚大為了使適於 用語，因此與傳統言模型差異甚大為了使適於 用語，因此與傳統言模型差異甚大為了使適於 用語，因此與傳統言模型差異甚大為了使適於 用語，因此與傳統言模型差異甚大為了使適於 開放 式課程語 音， 我們以傳統語言模型為基礎 對其進行語言模型調適，來幫助我們辨 對其進行語言模型調適，來幫助我們辨 對其進行語言模型調適，來幫助我們辨 識開放式 課程 語音。並且從辨識結果去探討造成錯誤發生的原因 語音。並且從辨識結果去探討造成錯誤發生的原因 語音。並且從辨識結果去探討造成錯誤發生的原因 ，進而研究改善的方法。 ，進而研究改善的方法。 ，進而研究改善的方法。

In recent years, the speech recognition technology has been quite mature. It works well for recognizing read-speech, but hard to apply to Open Course Ware (OCW). Since the spontaneous speech property, the performance of OCW recognition is still not good enough. In this thesis we adopt the DNN-base acoustic model. The spontaneous speech consists of many particle, colloquialism and marker, so the language model is quite different from traditional language model. In order to improve the performance of OCW recognition, we adapt the tradition language model to fitting spontaneous speech. Moreover, we analyze the phenomenon of recognition error from experiment result.