Using full covariance matrix for CMU Sphinx-III speech recognition system

• Autorzy: Płonkowski M. , Urbanovich P.

Identyfikatory

DOI

10.15199/48.2018.07.25

Warianty tytułu

PL

Wykorzystanie pełnej macierzy kowariancji w systemie rozpoznawania mowy CMU Sphinx III

• Języki publikacji: EN

Abstrakty

EN

In this article authors proposed a hybrid system in which the full covariance matrix is used only at the initial stage of learning. At the further stage of learning, the amount of covariance matrix increases significantly, which, combined with rounding errors, causes problems with matrix inversion. Therefore, when the number of matrices with a determinant of 0 exceeds 1%, the system goes into the model of diagonal covariance matrices. Thanks to this, the hybrid system has achieved a better result of about 11%.

PL

W niniejszym artykule autorzy zaproponowali system hybrydowy, w którym pełna macierz kowariancji wykorzystywana jest tylko w początkowym etapie procedury treningowej. W dalszym etapie uczenia, znacząco wzrasta liczba macierzy kowariancji, co w połączeniu z błędami zaokrąglania powoduje problemy z odwróceniem tego typu macierzy. Dlatego też, gdy liczba macierzy o wyznaczniku równym 0 przekracza 1%, system przechodzi do modelu wykorzystującego macierze diagonalne. Dzięki temu system hybrydowy osiągnął wynik lepszy o około 11%.

Słowa kluczowe

EN

speech recognition; CMU Sphinx; covariance matrix

PL

rozpoznawanie mowy; CMU Sphinx; macierz kowariancji

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2018
• Tom: R. 94, nr 7
• Strony: 102--104
• Opis fizyczny: Bibliogr. 7 poz., tab.

Twórcy

autor

Płonkowski M.

• Katolicki Uniwersytet Lubelski Jana Pawła II

autor

Urbanovich P.

• Katolicki Uniwersytet Lubelski Jana Pawła II
• Instytut Matematyki, Katedra Systemów Operacyjnych i Sieciowych, ul. Konstantynów 1H, 20-708 Lublin

Bibliografia

• [1] The Carnegie Mellon Sphinx Project: CMU Sphinx. http://cmusphinx.sourceforge.net/, Apr 2017
• [2] The Carnegie Mellon Sphinx Project: CMU Sphinx Trainer. http://cmusphinx.sourceforge.net/wiki/sphinx4:sphinx4trainer, Apr 2017
• [3] Bell P., Full Covariance Modelling for Speech Recognition. PhD thesis, The University of Edinburgh 2010
• [4] Chen S., Kingsbury B., Mangu L., Povey D., Saon G., Soltau H., Zweig, G., Advances in speech transcription at IBM under the darpa ears program. IEEE Transactions on Audio, Speech and Language Processing, 14 (2006), nr 5, 1596–1608
• [5] Płonkowski M., Urbanowicz P., Tuning a CMU Sphinx-III Speech Recognition System for Polish Language, Przegląd Elektrotechniczny, 90 (2014), nr 4, 181-184
• [6] Wang R., Zhu X., Chen Y., Liu J., Liu R., Fast likelihood computation method using block-diagonal covariance matrices in Hidden Markov Model. In Proceedings of ICSLP 2002 Taipei, Taiwan, August (2002)
• [7] The CMU Audio Databases, AN4 database, http://www.speech.cs.cmu.edu/databases/an4/, Apr 2017

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).