Speech Recognition Using Articulatory and Excitation Source Features

این کتاب سهم اطلاعات منبع بیانی و برانگیختگی را در تفکیک واحدهای صوتی مورد بحث قرار می‌دهد. نویسندگان بر مؤلفه منبع تحریک گفتار - و پویایی مفصل‌کننده‌های مختلف در طول تولید گفتار - برای افزایش عملکرد تشخیص گفتار (SR) تمرکز می‌کنند. تشخیص گفتار برای حالت‌های گفتار خواندن، اصرار و مکالمه تجزیه و تحلیل می‌شود. پنج گروه از ویژگی های مفصلی (AFs) برای تشخیص گفتار، علاوه بر ویژگی های طیفی مرسوم، مورد بررسی قرار می گیرند. هر فصل انگیزه ای برای کاوش ویژگی خاص برای کار SR ارائه می دهد، روش های استخراج آن ویژگی ها را مورد بحث قرار می دهد، و در نهایت مدل های مناسب را برای گرفتن دانش خاص واحد صدا از ویژگی های پیشنهادی پیشنهاد می کند. نویسندگان با بحث در مورد ترکیب‌های مختلف از ویژگی‌های طیفی، مفصلی و منبع، و مدل‌های مورد نظر برای بهبود عملکرد سیستم‌های SR پایان می‌دهند.

This book discusses the contribution of articulatory and excitation source information in discriminating sound units. The authors focus on excitation source component of speech -- and the dynamics of various articulators during speech production -- for enhancement of speech recognition (SR) performance. Speech recognition is analyzed for read, extempore, and conversation modes of speech. Five groups of articulatory features (AFs) are explored for speech recognition, in addition to conventional spectral features. Each chapter provides the motivation for exploring the specific feature for SR task, discusses the methods to extract those features, and finally suggests appropriate models to capture the sound unit specific knowledge from the proposed features. The authors close by discussing various combinations of spectral, articulatory and source features, and the desired models to enhance the performance of SR systems.