探討聲學模型的合併技術與半監督鑑別式訓練於會議語音辨識之研究

Investigating acoustic model combination and semi-supervised

近年來鑑別式訓練（Discriminative training）的目標函數Lattice-free Maximum mutual information（LF-MMI）在自動語音辨識（Automatic speech recognition, ASR）上取得了重大的突破，有別於傳統交互熵訓練（Cross-Entropy training, CE）和鑑別式訓練（Discriminative training）的二階段訓練，LF-MMI提供更快的訓練與解碼。儘管LF-MMI在監督式環境下斬獲最好的成果，然而在半監督式環境的表現仍有待研究。在半監督式環境最常見的訓練方法是自我學習（Self-training）中，由於種子模型（Seed model）常因語料有限而效果不佳。且LF-MMI屬於鑑別式訓練之故，更易受到標記錯誤的影響。為了減緩上述的問題，過往常加入置信度過濾器（Confidence-based filter）對訓練語料做挑選。過濾語料可在不同層級上進行，分為音框層級、詞層級、句子層級。