Adaptation MLLR pour des HMMs

Fabrice Lauri 1 Irina Illina 1 Dominique Fohr 1
1 PAROLE - Analysis, perception and recognition of speech
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : Nous présentons dans cet article la technique d'adaptation Maximum Likelihood Linear Regression (MLLR). MLLR permet d'adapter les paramètres des modèles acoustiques d'un système indépendant du locuteur afin d'améliorer la reconnaissance pour un nouveau locuteur ou pour un nouvel environnement de test. Nous avons expérimenté MLLR à des HMMs du moteur ESPERE appris sur le corpus de parole Resource Management (RM). Les résultats montrent une réduction de 12,6% d'erreurs en moyenne par rapport au système indépendant du locuteur, en utilisant 30 phrases d'adaptation.
Type de document :
Communication dans un congrès
Quatrièmes Rencontres Jeunes Chercheurs en Parole - RJC'2001, 2001, Mons, Belgique, pp.90-93, 2001
Liste complète des métadonnées

https://hal.inria.fr/inria-00147543
Contributeur : Publications Loria <>
Soumis le : lundi 18 mai 2009 - 07:00:03
Dernière modification le : jeudi 11 janvier 2018 - 06:19:56
Document(s) archivé(s) le : jeudi 8 avril 2010 - 17:01:14

Fichiers

A01-R-427.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00147543, version 1

Collections

Citation

Fabrice Lauri, Irina Illina, Dominique Fohr. Adaptation MLLR pour des HMMs. Quatrièmes Rencontres Jeunes Chercheurs en Parole - RJC'2001, 2001, Mons, Belgique, pp.90-93, 2001. 〈inria-00147543〉

Partager

Métriques

Consultations de la notice

204

Téléchargements de fichiers

196