Recent work on a preselection module for a flexible large vocabulary speech recognition system in telephone environment

Abstract

At ICSLP'96 we presented a flexible, large vocabulary, speaker independent, isolated-word preselection system in a telephone environment, using a two stage, bottom-up strategy [6]. We achieved reasonable performance in large and very large vocabulary tasks, ranging from 1200 to 10000 words.In this paper, we describe recent studies we have carried out on the system, aimed at two directions: handling of non speech sounds in the speech signal (we consider lips, respiration and click noises); and making the preselection lists dynamic in length, to reduce computational load, in the average. In the first case, we want to model non speech sounds, as these effects are crucial in real-life situations, leading to wrong endpointing and increasing error rates. In the second, we are interested in integrating any available system parameter to calculate the preselection list length to use, having applied both parametric and non parametric methods.

State clustering improvements for continuous HMMs in a Spanish large vocabulary recognition system

“…• In the hypothesis step, we use a fast preselection module [3]: with context-independent semi-continuous HMMs (CI-SC), we obtain a sequence of recognized phones which is followed by a lexical access module. This module passes N-best candidates to the verification step.…”

Mejora de servicios por teléfono con reconocimiento de habla. Nueva generación de servidores vocales interactivos

“…Los sistemas de reconocimiento utilizados en este servicio son los disponibles en el entorno de desarrollo TADE (ver apéndice A). En este entorno contamos con la versión en tiempo real del reconocedor de palabras deletreadas desarrollado en la presente tesis, y con un reconocedor de gran vocabulario para palabras o expresiones cortas como "el lunes", "la semana que viene", etc.. (Ferreiros et al, 1998;Macías-Guarasa et al, 1999;Macías-Guarasa et aJ, 2000a;Córdoba et al, 2001;Macías-Guarasa, 2001).…”

“…Como resultado del reconocimiento se ofrece una lista ordenada de candidatos. El reconocimiento se realiza en dos etapas: hipótesis (preselección) y verificación (reconocimiento más detallado) (Macías-Guarasa et al, 1996b;Ferreiros et al, 1998;Macías-Guarasa et al, 2000a;Córdoba et al, 2001).…”

Reconocimiento de habla robusto frente a condiciones de ruido aditivo y convolutivo

“…Un ejemplo es la inclusión de modelos "basura" que representan pequeños ruidos no estacionarios como los producidos por el chasquido de la lengua, respiración, etc. y que han demostrado ser de gran utilidad para eliminar (o más bien para incluir dentro del espacio acústico de búsqueda del clasificador) este tipo de distorsiones [Ferreiros98]. La segunda conclusión, es que entre los ruidos estacionarios, no todos influyen del mismo modo en la tasa de reconocimiento.…”