Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.03523

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2501.03523 (cs)
[提交于 2025年1月7日 ]

标题: 语音道长度失真特征用于语音关键字检测

标题: Vocal Tract Length Warped Features for Spoken Keyword Spotting

Authors:Achintya kr. Sarkar, Priyanka Dwivedi, Zheng-Hua Tan
摘要: 在本文中,我们提出几种方法,将声道长度(VTL)变形特征用于语音关键词检测(KWS)。第一种方法,VTL独立的KWS,涉及训练一个使用各种变形因子的VTL特征的深度神经网络(DNN)。在训练过程中,每个周期随机选择一个特定的VTL特征,以探索VTL的变化。在测试过程中,测试话语的不同变形因子的VTL特征被评分,并以相等权重组合。第二种方法对测试话语的传统特征(没有VTL变形)进行评分。第三种方法,VTL拼接的KWS,将VTL变形特征拼接以形成高维特征用于KWS。在英语Google命令数据集上的评估表明,所提出的方法提高了KWS的准确性。
摘要: In this paper, we propose several methods that incorporate vocal tract length (VTL) warped features for spoken keyword spotting (KWS). The first method, VTL-independent KWS, involves training a single deep neural network (DNN) that utilizes VTL features with various warping factors. During training, a specific VTL feature is randomly selected per epoch, allowing the exploration of VTL variations. During testing, the VTL features with different warping factors of a test utterance are scored against the DNN and combined with equal weight. In the second method scores the conventional features of a test utterance (without VTL warping) against the DNN. The third method, VTL-concatenation KWS, concatenates VTL warped features to form high-dimensional features for KWS. Evaluations carried out on the English Google Command dataset demonstrate that the proposed methods improve the accuracy of KWS.
主题: 声音 (cs.SD) ; 人工智能 (cs.AI); 机器学习 (cs.LG); 音频与语音处理 (eess.AS)
引用方式: arXiv:2501.03523 [cs.SD]
  (或者 arXiv:2501.03523v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.03523
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Achintya Sarkar [查看电子邮件]
[v1] 星期二, 2025 年 1 月 7 日 04:38:28 UTC (91 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.LG
cs.SD
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号