Reconocimiento de voz basado en características DNN Bottleneck

Máster en Ingeniería de Telecomunicación

Detalles Bibliográficos
Autor: Martín Calle, Irene
Tipo de recurso: tesis de maestría
Fecha de publicación:2019
País:España
Institución:Universidad Autónoma de Madrid
Repositorio:Biblos-e Archivo. Repositorio Institucional de la UAM
Idioma:español
OAI Identifier:oai:repositorio.uam.es:10486/688634
Acceso en línea:http://hdl.handle.net/10486/688634
Access Level:acceso abierto
Palabra clave:Reconocimiento Automático de Voz
Redes Neuronales Profundas
Bottleneck
Telecomunicaciones
id ES_db0beb84ecc28cd170fde106c9f65bc0
oai_identifier_str oai:repositorio.uam.es:10486/688634
network_acronym_str ES
network_name_str España
repository_id_str
spelling Reconocimiento de voz basado en características DNN BottleneckMartín Calle, IreneReconocimiento Automático de VozRedes Neuronales ProfundasBottleneckTelecomunicacionesMáster en Ingeniería de TelecomunicaciónEn este Trabajo Fin de Master se ha llevado a cabo el desarrollo e implementación de un sistema de reconocimiento automático de voz (Automatic Speech Recognition, ASR) que obtiene de forma automática la transcripción de un segmento de voz determinado. La base de datos empleada para el entrenamiento y la evaluación del sistema es Switchboard-1 Release 2, que pertenece al Consorcio de Datos Lingüísticos (Linguistic Data Consortium, LDC). Por un lado, se ha entrenado un sistema ASR de referencia basado en HMMs (Hidden Markov Models, HMM) utilizando las características acústicas MFCC (Mel Frequency Cepstral Coefficients) con la herramienta Kaldi. Dicha herramienta es una de las más populares en ASR para desarrollar reconocedores de voz y es ampliamente utilizada en el sector industrial y en investigación. Se han entrenado modelos basados en monofonemas ( + ), trifonemas ( + ), LDA + MLLT, SAT, MMI y fMMI además de utilizar un sistema híbrido HMM-DNN, que es una de las técnicas en el estado del arte en reconocimiento del habla. En procesamiento de voz, las Redes Neuronales Profundas (Deep Neural Network, DNN) han mostrado ser capaces de aprender de forma automática una representación de la información contenida en la voz. En este trabajo se representa mediante las características Bottleneck que se utilizan para el entrenamiento del mismo sistema base, extraídas de una DNN implementada en Keras (librería de Python) con la finalidad de reemplazar a las tradicionales características de los enfoques convencionales como los MFCCs. Keras es una de las librerías más poderosas actualmente para evaluar y desarrollar modelos de aprendizaje profundo. Para evaluar el rendimiento del sistema, se han realizado distintos experimentos cuyos resultados y conclusiones inferidas se reflejan en este trabajo. Se han analizado los resultados obtenidos del sistema basado en características MFCCs y del sistema basado en características Bottleneck. Distintas técnicas como transformaciones del espacio de características o adaptación al locutor han permitido mejorar el rendimiento del sistema inicial, siendo la técnica MMI la que proporciona mejores tasas de error de palabra (WER). Además, el sistema híbrido HMM-DNN, que reemplaza los GMMs en los sistemas tradicionales para el cálculo de los alineamientos, ha permitido mejorar los resultados iniciales aún más. En este escenario experimental, el estudio muestra que las características Bottleneck permiten un rendimiento tan bueno como los MFCCs originales pero no se obtiene una mejora significativa en las tasas de reconocimiento con respecto al sistema basado en MFCCs.Lozano Díez, AliciaToledano, Doroteo T.Departamento de Tecnología Electrónica y de las ComunicacionesEscuela Politécnica Superior20192019-06-01master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10486/688634reponame:Biblos-e Archivo. Repositorio Institucional de la UAMinstname:Universidad Autónoma de MadridEspañolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:repositorio.uam.es:10486/6886342026-06-23T12:46:27Z
dc.title.none.fl_str_mv Reconocimiento de voz basado en características DNN Bottleneck
title Reconocimiento de voz basado en características DNN Bottleneck
spellingShingle Reconocimiento de voz basado en características DNN Bottleneck
Martín Calle, Irene
Reconocimiento Automático de Voz
Redes Neuronales Profundas
Bottleneck
Telecomunicaciones
title_short Reconocimiento de voz basado en características DNN Bottleneck
title_full Reconocimiento de voz basado en características DNN Bottleneck
title_fullStr Reconocimiento de voz basado en características DNN Bottleneck
title_full_unstemmed Reconocimiento de voz basado en características DNN Bottleneck
title_sort Reconocimiento de voz basado en características DNN Bottleneck
dc.creator.none.fl_str_mv Martín Calle, Irene
author Martín Calle, Irene
author_facet Martín Calle, Irene
author_role author
dc.contributor.none.fl_str_mv Lozano Díez, Alicia
Toledano, Doroteo T.
Departamento de Tecnología Electrónica y de las Comunicaciones
Escuela Politécnica Superior
dc.subject.none.fl_str_mv Reconocimiento Automático de Voz
Redes Neuronales Profundas
Bottleneck
Telecomunicaciones
topic Reconocimiento Automático de Voz
Redes Neuronales Profundas
Bottleneck
Telecomunicaciones
description Máster en Ingeniería de Telecomunicación
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-06-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10486/688634
url http://hdl.handle.net/10486/688634
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblos-e Archivo. Repositorio Institucional de la UAM
instname:Universidad Autónoma de Madrid
instname_str Universidad Autónoma de Madrid
reponame_str Biblos-e Archivo. Repositorio Institucional de la UAM
collection Biblos-e Archivo. Repositorio Institucional de la UAM
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869421638424985600
score 15,300719

Similares en LA Referencia