skip to main content

Sistemas de adaptação ao locutor utilizando autovozes.

Borges, Liselene De Abreu

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Politécnica 2001-12-20

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Sistemas de adaptação ao locutor utilizando autovozes.
  • Autor: Borges, Liselene De Abreu
  • Orientador: Ramirez, Miguel Arjona
  • Assuntos: Adaptação Ao Locutor; Autovozes; Reconhecimento De Voz; Eigenvoices; Speaker Adaptation; Speech Recognition
  • Notas: Dissertação (Mestrado)
  • Notas Locais: Sistemas Eletrônicos
  • Descrição: O presente trabalho descreve duas técnicas de adaptação ao locutor para sistemas de reconhecimento de voz utilizando um volume de dados de adaptação reduzido. Regressão Linear de Máxima Verossimilhança (MLLR) e Autovozes são as técnicas trabalhadas. Ambas atualizam as médias das Gaussianas dos modelos ocultos de Markov (HMM). A técnica MLLR estima um grupo de transformações lineares para os parâmetros das medias das Gaussianas do sistema. A técnica de Autovozes baseia-se no conhecimento prévio das variações entre locutores. Para obtermos o conhecimento prévio, que está contido nas autovozes, utiliza-se a análise em componentes principais (PCA). Fizemos os testes de adaptação das médias em um sistema de reconhecimento de voz de palavras isoladas e de vocabulário restrito. Contando com um volume grande de dados de adaptação (mais de 70% das palavras do vocabulário) a técnica de autovozes não apresentou resultados expressivos com relação aos que a técnica MLLR apresentou. Agora, quando o volume de dados reduzido (menos de 15% das palavras do vocabulário) a técnica de Autovozes apresentou-se superior à MLLR.
  • DOI: 10.11606/D.3.2001.tde-05052003-104044
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Politécnica
  • Data de criação/publicação: 2001-12-20
  • Formato: Adobe PDF
  • Idioma: Português

Buscando em bases de dados remotas. Favor aguardar.