Adaptation au locuteur pour la reconnaissance automatique de la parole

Voir Plus Voir Moins

Afficher le Résumé

Tous les systèmes de reconnaissance automatique de la parole (SRAP) utilisent une phase préliminaire d'adaptation, pour améliorer leurs performances lorsqu'ils sont utilisés dans des conditions acoustiques qui diffèrent des conditions coustiques d'apprentissage. L'emploi des techniques d'adaptation permet de mieux prendre en compte les caractéristiques d'un nouveau locuteur ou les caractéristiques acoustiques d'un nouvel environnement, ce qui améliore le taux de reconnaissance du système pour le nouveau locuteur considéré (adaptation au locuteur) ou le nouvel environnement (adaptation à l'environnement). Les travaux décrits dans ce mémoire porte essentiellement sur l'adaptation au locuteur des modèles acoustiques pour la reconnaissance automatique de la parole (SRAP). Dans un premier temps, nous avons consacré à l'étude, l'implémentation et l'évaluation du deux techniques d'adaptation Structural Maximum A Posteriori, Structural Maximum Likelihood Linear Régression. De ces premières expériences en pu mises au lumière les constatations suivantes. SMAP donné des résultats très honorables, mais SMLLR permet d'améliorer le taux de reconnaissance de manière marginalement moins efficace que SMAP. Enfin, la seconde partie, et dans l'idée d'obtenir des performances comparables avec SMAP. Nos travaux ont porté sur l'emploi d'une combinaison entre ces deux techniques (SMLLR et SMAP). Ce qui nous donnons une amélioration significative des taux de reconnaissance obtenus par SMLLR quelque soit la quantité de données disponible.