计算机科学 > 声音
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.