基于链接时序分类的日语语音识别

摘要 目前，端到端的语音识别系统因其简洁性和高效性成为大规模连续语音识别的发展趋势.本文将基于链接时序分类的端到端技术应用到日语语音识别上，考虑到日语中平假名、片假名和日语汉字多种书写形式的特性，通过在日语数据集上的实验，探讨了不同建模单元对识别性能的影响；进一步将音素信息应用到模型的初始网络训练中，改善语音识别系统性能，最终效果优于基于隐马尔可夫模型和双向长短时记忆网络的主流语音识别系统