Skip to Main content Skip to Navigation
Conference papers

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.
Complete list of metadatas

https://hal.inria.fr/inria-00147543
Contributor : Publications Loria <>
Submitted on : Monday, May 18, 2009 - 7:00:03 AM
Last modification on : Thursday, March 5, 2020 - 4:50:49 PM
Document(s) archivé(s) le : Thursday, April 8, 2010 - 5:01:14 PM

Files

A01-R-427.pdf
Files produced by the author(s)

Identifiers

  • 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. ⟨inria-00147543⟩

Share

Metrics

Record views

270

Files downloads

253