面向政务系统的大数据语音识别系统应用及研究OACSTPCD
当前对于大数据语音识别系统在政务系统应用中存在诸多缺陷,因此,研究将LSTM与CTC进行融合得到了LSTM-CTC声学模型,并进一步优化得到BiLSTM-CTC声学模型,同时验证其有效性。实验结果表明,在训练轮数为8时BiLSTM-CTC模型的WER值为60.38%,在训练轮数为16时,BiLSTM-CTC声学模型的WER值为11.87%,均低于对比模型。同时,在实际的政务系统大数据语音识别中,BiLSTM-CTC声学模型在安静与低噪声环境下均具有较高的识别准确性,平均识别率分别为92.6%和85%。综合来看,BiLSTM-CTC声学模型在识别政务系统的大数据语音中具备较高的准确性,在实际中可以有效推进政务系统语音识别功能的发展。
夏美艺;范灵;牛青松;桂鹂娟
青海交通职业技术学院,青海西宁810003青海交通职业技术学院,青海西宁810003青海省科学技术信息研究所有限公司,青海西宁810007青海省科学技术信息研究所有限公司,青海西宁810007
计算机与自动化
政务系统大数据语音识别系统声学模型
《现代科学仪器》 2024 (1)
P.155-160,6
青海省2021年重点研发与转化计划项目《政务智能语音识别系统研究与应用》,项目编号:2021-GX-116。
评论