一种基于GMM模型的自动语种识别方法
在NIST近年来的评测结果中，基于并行音素识别结合语言模型（PPRLM）的方法得到了最好的结果，但是PPRLM 仍存在着一些难以克服的困难。针对于此，本文提出了一种结合高阶GMM模型的声学得分和低阶GMM模型语言模型得分的自动语种识别方法。利用低阶GMM模型进行训练语音数据符号化，建立相应的语言模型，并在后端处理时，利用单高斯或SVM 后端分类器融合高阶GMM模型的声学得分和低阶GMM 模型的语言模型得分。该方法在NIST03 测试数据上的实验结果表明，其语种识别性能比PPRLM系统有了较大的提高，等错误率EER 从6.6％降到了4.9％。
自动语种识别 GMM模型 SDC特征 语言模型
宋彦 徐兵 付强 戴礼荣
中国科学技术大学电子工程与信息科学系,合肥,230027
国内会议
安徽黄山
中文
2007-10-21（万方平台首次上网日期，不代表论文的发表时间）