On Reducing Harmonic and Sampling Distortion in Vocal Tract Length Normalization

Primer Autor
Becerra Yoma, Nestor
Co-autores
Garreton, Claudio
Huenupan, Fernando
Catalan, Ignacio
Wuth Sepulveda, Jorge
Título
On Reducing Harmonic and Sampling Distortion in Vocal Tract Length Normalization
Editorial
IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC
Revista
IEEE TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING
Lenguaje
en
Resumen
This paper proposes a novel feature-space VTLN (vocal tract length normalization) 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 (discrete Fourier transform) sampling when the central frequency of band-pass filters is shifted. This paper also proposes an analytical maximum likelihood (ML) method to estimate the optimal warping factor in the cepstral space. The presented interpolated filter-bank energy-based VTLN leads to relative reductions in WER (word error rate) 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, the proposed VTLN scheme can provide significant reductions in WER when compared with state-of-the-art VTLN methods based on linear transforms in the cepstral feature-space. The warping factor estimated with the proposed VTLN approach shows more dependence on the speaker and more independence of the acoustic-phonetic content than the warping factor resulting from standard and state-of-the-art VTLN methods. Finally, the analytical ML-based optimization scheme presented here achieves almost the same reductions in WER as the ML grid search version of the technique with a computational load 20 times lower.
Tipo de Recurso
Artículo original
Description
This work was supported by Conicyt-Chile under Grants Fondecyt 1100195 and 11110391. The associate editor coordinating the review of this manuscript and approving it for publication was Prof. Brian Mak.
Este trabajo fue financiado por Conicyt-Chile mediante las subvenciones Fondecyt 1100195 y 11110391. El editor asociado que coordinó la revisión de este manuscrito y aprobó su publicación fue el profesor Brian Mak.
doi
10.1109/TASL.2012.2215590
Formato Recurso
pdf
Palabras Claves
Speech analysis
speech recognition
vocal tract length normalization
SPEAKER ADAPTATION
LINEAR TRANSFORMATION
CHILDRENS SPEECH
PEAK ALIGNMENT
RECOGNITION
REGRESSION
MODELS
MFCC
Análisis del habla
reconocimiento del habla
normalización de la longitud del tracto vocal
ADAPTACIÓN DEL ALTAVOZ
TRANSFORMACIÓN LINEAL
HABLA INFANTIL
ALINEACIÓN DE PICOS
RECONOCIMIENTO
REGRESIÓN
MODELOS
MFCC
Ubicación del archivo
http://dx.doi.org/10.1109/TASL.2012.2215590
Materias
Speech analysis
speech recognition
vocal tract length normalization
SPEAKER ADAPTATION
LINEAR TRANSFORMATION
CHILDRENS SPEECH
PEAK ALIGNMENT
RECOGNITION
REGRESSION
MODELS
MFCC
Análisis del habla
reconocimiento del habla
normalización de la longitud del tracto vocal
ADAPTACIÓN DEL ALTAVOZ
TRANSFORMACIÓN LINEAL
HABLA INFANTIL
ALINEACIÓN DE PICOS
RECONOCIMIENTO
REGRESIÓN
MODELOS
MFCC
Disciplinas de la OCDE
Ciencias de la Computación
Ingeniería de Sistemas y Comunicaciones
Telecomunicaciones
Título de la cita (Recomendado-único)
On Reducing Harmonic and Sampling Distortion in Vocal Tract Length Normalization
Revista/Libro
IEEE TRANSACTIONS ON AUDIO SPEECH AND LANGUAGE PROCESSING
Tipo de ruta
hibrida
verde
Access Rights
metadata
Derechos de acceso
metadata
Idioma
en
Identificador del recurso (Mandatado-único)
Artículo original
Versión del recurso (Recomendado-único)
versión publicada
Entidad financiadora
ANID CONICYT FONDECYT 1100195#ANID CONICYT FONDECYT 11110391
Referencia del Financiador (Mandatado si es aplicable-repetible)
ANID CONICYT FONDECYT 1100195
ANID CONICYT FONDECYT 11110391
Editorial
IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC
ISSN
1558-7916
Página de inicio (Recomendado-único)
108
Página final (Recomendado-único)
119
Categoría WOS
Acústica
Ingeniería eléctrica y electrónica
Acoustics
Engineering, Electrical & Electronic
Formato
pdf
Id de Web of Science
WOS:000310393200010
Colecciones
Colección Publicaciones Científicas
Estadísticas del documento
0 visitas
Métricas externas
Altmetric
Dimensions