Detail výsledku
Discriminative Training Techniques for Acoustic Language Identification
Matějka Pavel, Ing., Ph.D., UPGM (FIT)
Černocký Jan, prof. Dr. Ing., UPGM (FIT)
This paper presents comparison of Maximum Likelihood (ML)
and discriminative Maximum Mutual Information (MMI) training
for acoustic modeling in language identification (LID). Clear advantage of MMI over ML training is shown. The final error ratecompares favorably to other results published on NIST 2003 data.
language identification, language recognition, acoustic modeling, disriminative training, maximum mutual information
Tento článek porovnává dva typy trénování akustických modelů pro identifikaci jazyků: Maximum likelihood (ML) a Maximum Mutual Information (MMI). Výsledky dokazují že MMI trénování dosahuje o 50% relativní zlepšení oproti ML. Výsledky jsou vyhodnoceny na NIST 2003 datech.
@inproceedings{BUT22218,
author="Lukáš {Burget} and Pavel {Matějka} and Jan {Černocký}",
title="Discriminative Training Techniques for Acoustic Language Identification",
booktitle="Proceedings of ICASSP 2006",
year="2006",
pages="209--212",
address="Toulouse",
url="http://www.fit.vutbr.cz/research/groups/speech/publi/2006/burget_mmi_lid_icassp2006.pdf"
}
Posílená skupinová interakce, EU, Sixth Framework programme, 506811-AMI, zahájení: 2004-01-01, ukončení: 2006-12-31, ukončen