内容提供者
基于命令词的语音识别模型压缩方法.pdf
2023-06-06
10金币
9页
St****36
实名认证
内容提供者
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9
在线预览结束，喜欢就下载吧，查找使用更方便
相关资料
基于命令词的语音识别模型压缩方法.pdf
基于命令词的语音识别模型压缩方法,包括如下步骤:S1:进行初始训练,得到原始语音识别模型MD1,并得到相应的音素分类类别M;S2:根据需要训练的命令词A得到A对应的音素类别k,将原始语音识别模型MD1中的剩余音素聚类为1类;S3:对原始语音识别模型MD1进行微调训练得到更新后的第二模型MD2;所述微调训练具体为:保留原始语音识别模型MD1中除输出层外的其余层参数,并更新输出层的节点数为k+1,进行模型迁移训练,所有层的模型参数进行梯度更新。本发明通过降低参数量,可在不显著影响识别效果的情况下显著减小语音识
2023-06-06
10
语音识别声学模型压缩的研究.docx
语音识别声学模型压缩的研究随着语音识别技术的不断发展，人们对于如何减小模型大小，以便于更好的应用于嵌入式设备，移动设备以及其他的计算资源受限的场景中的需求越来越大。语音识别系统中的声学模型是识别准确率的关键，因此如何压缩声学模型成为研究的重点和难点。本文将介绍语音识别声学模型压缩的研究现状、方法和未来发展方向。1.研究现状语音识别声学模型的压缩主要考虑以下两个方面：一是模型量化(quantization)；二是模型结构压缩。模型量化旨在降低模型的参数数量，从而减小模型的大小、存储和计算复杂度，常用的方法包
2024-10-16
5
11KB
语音识别、基于语音的联合处理模型训练方法、装置.pdf
本公开提供的语音识别方法，可以根据语音识别结果为目标对象进行属性识别，后续可以基于目标对象的分类结果进行个性化服务配置，在机器人与用户的语音交流中，准确的通过语音信号来确定用户的身份，对于更人性化的人机交互有着重要的作用。同样，如果能够获取到用户的个性信息也非常重要，机器人相应就可以做出有针对性的回答或者建议。本公开提供的方法适用于任何需要进行人机语音交互的场景，可以为交互中提供更多有用的信息，使得交互更智能。本公开还提供了基于语音的联合处理模型的训练方法、装置、计算机设备、计算机可读存储介质以及计算机程
2023-07-24
10
938KB
基于端对端transformer模型的语音识别方法.pdf
本发明公开了基于端对端transformer模型的语音识别方法，该方法包括：对原始语音信息进行预处理，得到音频序列信息；结合噪声修剪技术，构建transformer语音识别网络模型；基于transformer语音识别网络模型对音频序列信息进行识别处理，得到语音识别结果。通过使用本发明，能够通过获取语音数据的全局～局部信息和高层～低层特征信息进而提高模型的语音识别准确度。本发明作为基于端对端transformer模型的语音识别方法，可广泛应用于深度学习语音识别技术领域。
2023-06-07
10
689KB
基于改进Transformer模型的语音识别方法及装置.pdf
本发明涉及基于改进Transformer模型的语音识别方法，通过改进的Transformer模型进行语音识别，改进的方式为特征融合的方式为利用拼接函数和卷积神经网络融合解码器的高低层特征，并提取局部特征信息，将卷积神经网络提取的局部细节特征与Transformer的全局特征相融合，使得模型提取的特征更具有健壮性。同时为解码器的每一层构建一条短距离的反向传播路径，缓解模型底层的梯度消失问题；以及位置编码增强，将Transformer模型的语音特征嵌入向量和位置编码进行拆解，可以解决因为两者间的弱关联而引起噪
2023-06-07
10
829KB