ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

An End-to-End Deep Learning Model to Recognize Farsi Speech from Raw Input

سال انتشار: 1397
کد COI مقاله: SPIS04_028
زبان مقاله: انگلیسیمشاهد این مقاله: 176
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله An End-to-End Deep Learning Model to Recognize Farsi Speech from Raw Input

چکیده مقاله:

Automatic speech recognition systems usually solve the problem of recognizing speech by dividing the problem into different independent stages. First, they extract speech features and then use an acoustic model to reach the phoneme probabilities and from those probabilities, they reach sequence of recognized words. Recent advances in technology, especially in the area of deep neural networks in combination with speech recognition, shows that this division is not necessary and we can reach sequence of alphabet letters straight from the raw signal. In this work, we implemented and tested an endto- end convolutional neural network system with raw input for Farsi speech recognition and then compared its performance to another system that uses MFCC features. We show that using an end-to-end system with our configuration,which reaches series of phonemes from raw speech works better for Farsi speech as well as for English.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/842943/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Alisamir, Sina and Ahadi, Seyed Mohammad and Seyedin, Sanaz,1397,An End-to-End Deep Learning Model to Recognize Farsi Speech from Raw Input,چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند,تهران,,,https://civilica.com/doc/842943

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Alisamir, Sina؛ Seyed Mohammad Ahadi and Sanaz Seyedin)
برای بار دوم به بعد: (1397, Alisamir؛ Ahadi and Seyedin)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی