文章摘要:由于传统循环神经网络具有复杂的结构，需要大量的数据才能在连续语音识别中进行正确训练，并且训练需要耗费大量的时间，对硬件性能要求很大。针对以上问题，提出了基于残差网络和门控卷积神经网络的算法，并结合联结时序分类算法，构建端到端中文语音识别模型。该模型将语谱图作为输入，通过残差网络提取高层抽象特征，然后通过堆叠门控卷积神经网络捕获有效的长时间记忆，摆脱了传统循环神经网络对上下文相关性建模的依赖，加快了模型的训练速度。同时，对残差网络进行了优化，并在门控卷积神经网络中加入了前馈神经网络，极大提高了模型的性能。实验结果表明，在Aishell-1中文数据集上，该模型的字错误率降低至11.43%；并且在-5db低信噪比环境下，字错误率达到了19.77%。

文章关键词:

项目基金: