Distant speech recognition

عملکرد سیستم‌های تشخیص خودکار گفتار معمولی (ASR) به محض اینکه میکروفون از دهان بلندگو دور می‌شود، به شدت کاهش می‌یابد. این به دلیل طیف گسترده ای از جلوه ها مانند نویز پس زمینه، همپوشانی گفتار از دیگر بلندگوها و طنین است. در حالی که سیستم‌های ASR سنتی برای گفتار گرفته شده با حسگرهای میدان دور عملکرد ضعیفی دارند، تعدادی از تکنیک‌های جدید در سیستم تشخیص و همچنین تکنیک‌های توسعه‌یافته در زمینه‌های دیگر پردازش سیگنال وجود دارد که می‌تواند اثرات مضر نویز و طنین و همچنین را کاهش دهد. جدا کردن گفتار از بلندگوهای همپوشانی

تشخیص گفتار دور توصیفی معاصر و جامع از انتزاع نظری و مسائل عملی ذاتی در مسئله ASR دور ارائه می دهد.

ویژگی های کلیدی:

• کل موضوع ASR دور را پوشش می دهد و راه حل های عملی برای غلبه بر مشکلات مربوط به آن ارائه می دهد
• اسناد و اسکریپت های نمونه را ارائه می دهد تا خوانندگان را قادر به ساختن حالت کند پیشرفته ترین سیستم های تشخیص گفتار از راه دور
• اطلاعات پس زمینه مرتبط در تکنیک های آکوستیک و فیلتر را ارائه می دهد،
• استخراج و تقویت ویژگی های گفتار مربوط به طبقه بندی را توضیح می دهد
• حداکثر احتمال و همچنین تخمین پارامتر متمایز را توصیف می کند، و تکنیک‌های عادی‌سازی حداکثر احتمال
• درباره استفاده از پیکربندی‌های چند میکروفون برای ردیابی بلندگو و ترکیب کانال بحث می‌کند
• چندین کاربرد از روش‌ها و فن‌آوری‌های شرح داده شده در این کتاب را ارائه می‌دهد
• وب‌سایت همراه با نرم‌افزار منبع باز و ابزار برای ساخت حالت پیشرفته ترین سیستم های تشخیص گفتار از راه دور

این مرجع منبع ارزشمندی برای محققان، توسعه دهندگان، مهندسان و سایر متخصصان و همچنین دانشجویان پیشرفته در فناوری گفتار، پردازش سیگنال، آکوستیک خواهد بود. ، رشته های آمار و هوش مصنوعی.

The performance of conventional Automatic Speech Recognition (ASR) systems degrades dramatically as soon as the microphone is moved away from the mouth of the speaker. This is due to a broad variety of effects such as background noise, overlapping speech from other speakers, and reverberation. While traditional ASR systems underperform for speech captured with far-field sensors, there are a number of novel techniques within the recognition system as well as techniques developed in other areas of signal processing that can mitigate the deleterious effects of noise and reverberation, as well as separating speech from overlapping speakers.

Distant Speech Recognition presents a contemporary and comprehensive description of both theoretic abstraction and practical issues inherent in the distant ASR problem.

Key Features:

• Covers the entire topic of distant ASR and offers practical solutions to overcome the problems related to it
• Provides documentation and sample scripts to enable readers to construct state-of-the-art distant speech recognition systems
• Gives relevant background information in acoustics and filter techniques,
• Explains the extraction and enhancement of classification relevant speech features
• Describes maximum likelihood as well as discriminative parameter estimation, and maximum likelihood normalization techniques
• Discusses the use of multi-microphone configurations for speaker tracking and channel combination
• Presents several applications of the methods and technologies described in this book
• Accompanying website with open source software and tools to construct state-of-the-art distant speech recognition systems

This reference will be an invaluable resource for researchers, developers, engineers and other professionals, as well as advanced students in speech technology, signal processing, acoustics, statistics and artificial intelligence fields.