Efficient spectral measures for automatic speech recognition
Notice bibliographique
Résumé
It is well known that automatic speech recognition (ASR) requires good spectral analysis in order to have successful ASR accuracy. A wideband spectrogram seems to contain all the needed acoustic information to map any given speech signal into its corresponding sequence of phonemes. (For ASR, language models are often used to augment acoustics, but here we will limit ourselves to acoustic analysis.) Various methods beyond the basic Fourier transform have found success in ASR, e.g., linear predictive analysis, wavelets, and mel-frequency cepstra (MFCC). These have all been focussed on extracting an efficient set of spectral parameters to facilitate phonetic discrimination. Part of the difficulty is separating spectral envelope information from excitation parameters, as variations in pitch are largely viewed as orthogonal to phoneme recognition. Another complicating factor is that amplitude and frequency scales in speech production and perception are better modeled as nonlinear (unlike the linear, fixed-bandwidth approach of Fourier transforms). Modern ASR techniques are far from optimal, as the front-end data compression yielding MFCCs, for a basic 80-ms phoneme, typically has more than 100 parameters, to distinguish among approximately 32 phonemes (a 5-bit choice). We will investigate various ways to render ASR analysis more efficient. [Work supported by NSERC-Canada.]
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».