Applying Bottle Neck Feature for Vietnamese speech recognition

Abstract

Abstract. In the paper, the basic idea of Bottle Neck Feature(BNF) and the process how to extract BNF are presented. In this study, we apply BNF for Vietnamese speech recognition with five layers MLP network of different sizes for the first hidden layer. Input features to extract BNF feature are Perceptual Linear Prediction(PLP) and Mel Frequency Cepstral Coeffcient(MFCC). The experiments are carried out on a data set of VOV(Voice of Vietnam).The results show that using BNF for Vietnamese speech recognition, a WER(Word Error Rate)is improved up to 6-7% comparing to the baseline system, and MFCC feature gives a better result than PLP feature.Key words. BNF, Bottle Neck Feature, Vietnamese speech recognition, HMM-GMM. GIỚI THIỆUPhương pháp trích chọn các đặc trưng của tiếng nói sử dụng mạng neural đang trở thành một phần quan trọng trong hệ thống nhận dạng tiếng nói [1], phương pháp này nhằm tận dụng ưu điểm phân lớp của mạng neural đồng thời khắc phục một trong các nhược điểm của mô hình Markov ẩn (HMM-Hidden Markov Model), mô hình HMM không mô hình hóa được các đặc tính phụ thuộc thời gian của tín hiệu tiếng nói do HMM giả thiết rằng mỗi trạng thái hiện tại chỉ phụ thuộc vào trạng thái ngay trước nó [2,3]. Đã có nhiều phương pháp được đưa ra nhằm khắc phục nhược điểm trên của HMM, một phương pháp được sử dụng phổ biến là bổ sung thêm các vector đặc trưng lân cận với vector đặc trưng đang xét tại thời điểm t, tức là tổ hợp nhiều hơn một khung dữ liệu (frame) để đưa vào huấn luyện HMM tại