Данная статья посвящена системе автоматического распознавания речи на основе различных алгоритмов. Выделяются и описываются такие алгоритмы, как Dynamic Time Warping (DTW), Hidden Markov Models (HMM), Artificial Neural Networks (ANN), Deep Neural Network (DNN), Likelihood Ascent Search (LAS). Анализируется работа каждого из них. Рассматривается процесс преобразования речевого сигнала в набор чисел посредством сэмплирования. Описывается построение скрытых марковских моделей для различных типов фонем. Объясняется трёхслойная архитектура алгоритма глубоких нейронных сетей. Выделяются недостатки алгоритма нейронных сетей. На основе анализа делаются выводы о достоинствах и недостатках автоматического распознавания в целом, а также демонстрируется область применения систем распознавания речи. В заключение прогнозируется дальнейшая область развития распознавания речи и требования, которые будут предъявляться к новым методам.
This article is devoted to the system of automatic speech recognition, based on various algorithms. Such algorithms as Dynamic Time Warping (DTW), Hidden Markov Models (HMM), Artificial Neural Networks(ANN), Deep Neural Network (DNN), Likelihood Ascent Search (LAS) are identified and described. The work of each of them is analyzed. Considered the process of converting a speech signal into a set of numbers by means of sampling. Described the construction of hidden Markov models for different types of phonemes. Explained the three-layer architecture of the algorithm of deep neural networks. Deficiencies of the neural network algorithm are highlighted. Based on the analysis, conclusions are drawn about the advantages and disadvantages of automatic recognition in general and demonstrated the field of application of speech recognition systems. In conclusion, the further development of speech recognition is predicted and the requirements, that will be presented to new methods.
1. Juang B.H., Lawrence R. Rabiner. Automatic Speech Recognition – A Brief History of the Technology Development, Georgia Institute of Technology, Atlanta, 2004 [Электронный ресурс]. – Режим доступа: http://www.ece.ucsb.edu/Faculty/Rabiner/ece259/Reprints/354_LALI-ASRHistory-final-10-8.pdf. (дата обращения: 17.12.2017).
2. Кипяткова И.С., Карпов А.А., Разновидности глубоких искусственных нейтронных сетей для систем распознавания речи // Труды СПИИРАН. – 2016. – № 6(49). – С. 80–103.
3. Белов Ю.С., Либеров Р.В. Подходы и проблемы распознавания личности по голосу // Электронный журнал: наука, техника и образование. – 2015. – № 3 (3). – С. 68–77.
4. Зулкарнеев М.Ю., Репалов С.А., Шамраев Н.Г. Система распознавания русской речи, использующая глубокие нейронные сети и преобразователи на основе конечных автоматов // Нейрокомпьютеры: разработка, применение. – 2013. – № 10. – С. 40–46.
5. Ghazi Al-Naymat, Sanjay Chawla, Javid Taheri, SparseDTW: A Novel Approach to Speedup Dynamic Time Warping, The University of New South Wales Sydney, 2012 [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/1201.2969v1.pdf (дата обращения: 17.12.2017).
6. Огнев И.В., Парамонов П.А. Распознавание речи методами скрытых Марковских моделей в ассоциативной осцилляторной среде // Технические науки. Информатика, вычислительная техника. – 2013. – № 3(27). – С. 115–126.
7. Нифонтов С.В., Белов Ю.С. Применение скрытых марковских моделей в текстонезависимых системах идентификации пользователей по голосу // Электронный журнал: наука, техника и образование. – 2016. – № 2 (6). – С. 116–124.
8. Zell Andreas. «chapter 5.2». Simulation Neuronaler Netze [Simulation of Neural Networks], Addison-Wesley. – 1994.
9. Белов Ю.С., Нифонтов С.В., Азаренко К.А. Применение Вейвлет-фильтрации для шумоподавления в речевых сигналах // Фундаментальные исследования. – 2017. – № 4–1. – С. 29–33.
10. William Song, Jim Cai. End-to-End Deep Neural Network for Automatic Speech Recognition [Электронный ресурс]. – Режим доступа: http://cs224d.stanford.edu/reports/SongWilliam.pdf (дата обращения: 17.12.2017).