Zastosowanie modeli GMM do identyfikacji języka wypowiedzi

• Autorzy: Dustor A. , Szwarc P.

Warianty tytułu

EN

Spoken language identification based on GMM models

• Języki publikacji: PL

Abstrakty

PL

Praca przedstawia zastosowanie sumy gaussowskiej GMM do identyfikacji języka wypowiedzi. W trakcie badań sprawdzono wpływ długości wypowiedzi na stopę poprawnej identyfikacji. Badania przeprowadzono dla 15 języków zarówno europejskich jak i azjatyckich. Jako model języka wykorzystano sumę gaussowską GMM o pełnej macierzy kowariancji. Omówiono uzyskane rezultaty.

EN

The paper describes application of gaussian mixture models GMM to the task of spoken language identification.The influence of the length of the test utterances on identification error rate was examined. During identification procedure recordings for 15 languages were used, both European and Asian ones. As a language model GMM with full covariance matrix was applied. Obtained results of identification error rate were discussed.

Słowa kluczowe

PL

rozpoznawanie języka; rozpoznawanie obrazów; modelowanie statystyczne; przetwarzanie sygnałów

EN

spoken language recognition; pattern recognition; statistical modelling; signal processing

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2010
• Tom: Vol. 51, nr 12
• Strony: 78--80
• Opis fizyczny: Bibliogr. 4 poz., tab.

Twórcy

autor

Dustor A.

autor

Szwarc P.

• Politechnika Śląska, Instytut Elektroniki, Gliwice

Bibliografia

• [1] Rabiner L. R. and Juang B. H.: Fundamentals of speech recognition. Prentice Hall, 1993.
• [2] Duda R. O., Hart P. E, and Stork D. G.: Pattern classification. John Wiley & Sons, 2001.
• [3] Reynolds D. A. and Rose R. C.: Robust text-independent speaker identification using Gaussian mixture speaker models. IEEE Transactions on Speech and Audio Processing, vol. 3, no. 1, pp. 72-82, 1995.
• [4] Torres-Carrasquillo P., Singer E., Kohler M. A., Greene R. J., Reynolds D. A., and Deller J.: Approaches to language identification using Gaussian mixture models and shifted delta cepstral features, in Proceedings of The International Conference on Spoken Language Processing, 2002.