基于注意力机制语谱图特征提取的语音识别

来源：吉林大学学报·理学版杂志2024年第2期北京时间：

作者：姜囡, 庞永恒, 高爽

单位：1. 中国刑事警察学院 公安信息技术与情报学院, 沈阳 110854；2. 东北大学 信息科学与工程学院, 沈阳 110819

摘要：针对连接时序分类模型需具有输出独立性的假设, 对语言模型的依赖性强且训练周期长的问题, 提出一种基于连接时序分类模型的语音识别方法. 首先, 基于传统声学模型的框架, 利用先验知识训练基于注意力机制的语谱图特征提取网络, 有效提高了语音特征的区分性和鲁棒性; 其次, 将语谱图特征提取网络拼接在连接时序分类模型的前端, 并减少模型中循环神经网络层数进行重新训练. 测试分析结果表明, 该改进模型缩短了训练时间, 有效提升了语音识别准确率.

关键词：语音识别,CTC模型,循环神经网络,注意力机制