基于轻量化神经网络的多语音识别方法研究

针对传统英语多语音识别准确率低的问题，提出一种基于轻量化神经网络的英语语音识别及控制系统。其中，首先采用MFCC方法对输入语音特征进行提取；然后以时延神经网络TDNN为基础网络，通过步进裁剪得到轻量化的神经网络；最后将提取到的多语音特征输入神经网络中进行识别。结果表明，经过轻量化的神经网络其大小由77 M降低至21 M;在Dev93和Eval92数据集上的测试，其WER值分别为5.12%和3.99%,相较于直接裁剪和未裁剪的WER值更低，英语语音识别准确率更高。由此得出，本研究构建的轻量化神经网络可用于多语音的识别，进而可拓展至包含英语交流机器人在内的领域。