یک روش جدید برای کاهش نویز گفتار و تشخیص دقیق گفتار با استفاده از مدل های احتمالی برای گفتار تمیز و نویز

ما یک روش جدید برای کاهش نویز گفتار و تشخیص دقیق گفتار ارائه می دهیم. استفاده از قالب مدل های احتمالی به ما اجازه تجمیع مدل های جزئی گفتار و مدل های سیگنال های نویز غیر ایستای واقعی را به روش اصولی می دهد. قالب موردنظر مساله کاهش نویز را به مساله تخمین سیگنال بهینه بیز تبدیل می کند و مینیم متوسط مربع خطای تخمینگرهای ویژگی های مطلوب سیگنال گفتار تمیز از دیتای نویزی را تولید می کند. ما پیاده سازی سریع و موثری را از یک الگوریتم توصیف می کنیم که این تخمین گرها را محاسبه می کند. بازدهی این الگوریتم در آزمایشات تشیخص دقیق گفتار با استفاده از Wall Street Journal speech corpus و تشخیص دهنده گفتار با مجموعه لغات بزرگ Microsoft Whisper نشان داده می شود. نتایج به طور موثرتری نرخ های خطای کلمه پائین تری را نسبت به شرایط تحت نویز تطبیق یافته نشان می دهنتد. دراصل زمانی که الگوریتم کاهش نویز به دیتای نویزی آموزش اعمال می شود و متعاقب آن تشخیص دهنده مجددا آموزش می بیند، نرخ های خطای پایین تری حاصل می شود.