Adaptation MLLR pour des HMMs - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2001

Adaptation MLLR pour des HMMs

Abstract

Nous présentons dans cet article la technique d'adaptation Maximum Likelihood Linear Regression (MLLR). MLLR permet d'adapter les paramètres des modèles acoustiques d'un système indépendant du locuteur afin d'améliorer la reconnaissance pour un nouveau locuteur ou pour un nouvel environnement de test. Nous avons expérimenté MLLR à des HMMs du moteur ESPERE appris sur le corpus de parole Resource Management (RM). Les résultats montrent une réduction de 12,6% d'erreurs en moyenne par rapport au système indépendant du locuteur, en utilisant 30 phrases d'adaptation.
Fichier principal
Vignette du fichier
A01-R-427.pdf (178 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

inria-00147543 , version 1 (18-05-2009)

Identifiers

  • HAL Id : inria-00147543 , version 1

Cite

Fabrice Lauri, Irina Illina, Dominique Fohr. Adaptation MLLR pour des HMMs. Quatrièmes Rencontres Jeunes Chercheurs en Parole - RJC'2001, 2001, Mons, Belgique, pp.90-93. ⟨inria-00147543⟩
122 View
191 Download

Share

Gmail Facebook Twitter LinkedIn More