李澤萌 李娜 蔣春燕

摘 ? 要：本文描述了這一種新的說話者轉換矩陣用基矩陣表示的說話者自適應的方法，利用最大似然線性回歸轉換矩陣（MLLR）的廣義低階近似（GLRAM）構建了基矩陣，用公式表示了在最大限度的后驗（MAP）結構下說話者的自適應。

關鍵詞：GLRAM ?MAP ?MLLR

中圖分類號：G64 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）02（a）-0154-02

1 ?引言

3 ?實驗

實驗中使用華爾街日報語料庫WSJ0，在訓練中使用了101個說話者的12，574種表達方式。作為特征向量，實驗中使用了39維向量組成了13維的MFCC，以及它們的導數(shù)系數(shù)和加速系數(shù)。同時使用了20ms的漢明窗并以10ms滑動去提取特征向量。通過建立SI模型，使用MLLR得到了每個測試者的回歸矩陣。這101個矩陣通過GLRAM被分解，這些分解矩陣用來建立基矩陣。在自適應和識別的測試中，使用了NOV92 ?5K非語言表態(tài)的自適應測試集合。在監(jiān)督模式下，測試的8名說話者提取1～5個句子用于自適應測試，330個句子用于識別測試。在識別測試中，使用了WSJ 5K非語言表態(tài)的5K封閉詞匯集和WSJ標準5K非語言表態(tài)的閉合雙子字母組。以這個為基準，SI模型給出了91.45%的單詞識別準確率。圖1給出了實驗結果。

4 ?結語

本文給出了說話者在SI模型下一名新說話者的轉換矩陣的自適應系統(tǒng)，同時使用在來自于訓練回歸矩陣的GLRAM的基矩陣，用公式表示了在MAP框架下的自適應性，同ML配對比較，效果得到了改善。

參考文獻

[1] C. J. Leggeter ，P. C. Woodland.Maximum likelihood linear regression for speaker adaptation of continuous density hidden Markov model，”[J].Comput Speech Lang， 1995，2（9）：171-185.

[2] Y. Jeong ，H. S. Kim.“Speaker adaptation in transform space using generalized low rank approximations of matrices （GLRAM），”[J].in Proc. Spring Conf. KSSS，2012：27-28.

[3] J .Ye.“Generalized low rank approximations of matrices，”[J].Mach. Learn，2005，61（1-3）：167-191.