Repositorio UFRO · Omeka S

VTLN based on the linear interpolation of contiguous Mel filter-bank energies

Primer Autor	Becerra Yoma, Nestor
Co-autores	Garreton, Claudio Huenupan, Fernando Catalan, Ignacio Wuth, Jorge
Título	VTLN based on the linear interpolation of contiguous Mel filter-bank energies
Editorial	ISCA-INT SPEECH COMMUNICATION ASSOC
Revista	Interspeech
Lenguaje	en
Resumen	This paper describes a novel feature-space VTLN method that models frequency warping as a linear interpolation of contiguous Mel filter-bank energies. The presented technique aims to reduce the distortion in the Mel filter-bank energy estimation due to the harmonic composition of voiced speech intervals and DFT sampling when the central frequency of band-pass filters is shifted. The presented interpolated filter bank energy-based VTLN leads to relative reductions in WER as high as 11.2% and 7.6% when compared with the baseline system and standard VTLN, respectively, in a medium vocabulary continuous speech recognition task. Also, this new scheme provides significant reductions in WER equal to 7% when compared with state-of-the-art VTLN methods based on linear transforms in the cepstral space. The warping factor estimated here shows more dependence on the speaker and more independence of the acoustic-phonetic content than the warping factor in state-of-the-art VTLN techniques.
Tipo de Recurso	Artículo de conferencia
Description	This research was funded by Conicyt-Chile under grants Fondecyt 1100195 and 11110391, and Team Research in Science and Technology ACT 1120. Esta investigación fue financiada por Conicyt-Chile mediante las subvenciones Fondecyt 1100195 y 11110391, y por el Equipo de Investigación en Ciencia y Tecnología ACT 1120.
doi	10.21437/Interspeech.2013-738
Formato Recurso	pdf
Palabras Claves	speech recognition speaker normalization vocal tract length normalization frequency warping filter energy interpolation SPEAKER NORMALIZATION SPEECH RECOGNITION CHILDRENS SPEECH PEAK ALIGNMENT ADAPTATION TRANSFORMATION REGRESSION MODELS MFCC Normalización del hablante reconocimiento del habla habla infantil alineación de picos adaptación transformación regresión modelos MFCC
Ubicación del archivo	http://dx.doi.org/10.21437/Interspeech.2013-738
Materias	speech recognition speaker normalization vocal tract length normalization frequency warping filter energy interpolation SPEAKER NORMALIZATION SPEECH RECOGNITION CHILDRENS SPEECH PEAK ALIGNMENT ADAPTATION TRANSFORMATION REGRESSION MODELS MFCC Normalización del hablante reconocimiento del habla habla infantil alineación de picos adaptación transformación regresión modelos MFCC
Disciplinas de la OCDE	Ciencias de la Computación Ingeniería de Sistemas y Comunicaciones Telecomunicaciones
Título de la cita (Recomendado-único)	VTLN based on the linear interpolation of contiguous Mel filter-bank energies
Revista/Libro	Interspeech
Tipo de ruta	bronce
Access Rights	acceso abierto
Derechos de acceso	acceso abierto
Idioma	en
Identificador del recurso (Mandatado-único)	Artículo de conferencia
Versión del recurso (Recomendado-único)	versión publicada
Lugar de la conferencia(Recomendado-repetible)	14th Annual Conference of the International-Speech-Communication-Association (INTERSPEECH 2013)
Fecha de la conferencia(Recomendado-repetible)	AUG 25-29, 2013
Entidad financiadora	ANID CONICYT FONDECYT 1100195#ANID CONICYT FONDECYT 1100195#ACT 1120
Referencia del Financiador (Mandatado si es aplicable-repetible)	ANID CONICYT FONDECYT 1100195 ANID CONICYT FONDECYT 1100195 ACT 1120
Editorial	ISCA-INT SPEECH COMMUNICATION ASSOC
ISSN	2308-457X
ISBN	978-1-62993-443-3
Página de inicio (Recomendado-único)	3336
Página final (Recomendado-único)	3340
Categoría WOS	Informática, Inteligencia Artificial Ingeniería Eléctrica y Electrónica Computer Science, Artificial Intelligence Engineering, Electrical & Electronic
Formato	pdf
Id de Web of Science	WOS:000395050001212