Prédiction a priori de la qualité de la transcription automatique de la parole bruitée - Archive ouverte HAL Access content directly
Conference Papers Year : 2018

Prédiction a priori de la qualité de la transcription automatique de la parole bruitée

Abstract

De nombreuses sources de variabilité dégradent les performances d'un système de Reconnaissance Automatique de la Parole (RAP). Dans cette étude, les dégradations provoquées par le type et le niveau de bruit sont explorées afin de prédire a priori la qualité de la RAP, i.e. avant même le décodage. Notre méthode se fonde sur une séparation spectrale de la parole et du bruit afin de produire un modèle de régression. L'expérimentation a été réalisée sur le corpus Wall street Journal, bruité avec le corpus NOISEX-92 (17 types de bruit) que nous appliquons à 9 niveaux de rapport signal à bruit. La méthode de régression proposée obtient moins de 8% d'erreur moyenne entre le Word Error Rate (WER) prédit et le WER réellement obtenu par le système de transcription automatique de la parole.
Fichier principal
Vignette du fichier
ferreira_22643.pdf (640.36 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02124434 , version 1 (09-05-2019)

Identifiers

  • HAL Id : hal-02124434 , version 1
  • OATAO : 22643

Cite

Sébastien Ferreira, Jérome Farinas, Julien Pinquier, Stéphane Rabant. Prédiction a priori de la qualité de la transcription automatique de la parole bruitée. 32e Journées d'Etudes sur la Parole (JEP 2018), Jun 2018, Aix-En-Provence, France. pp.249-257. ⟨hal-02124434⟩
21 View
106 Download

Share

Gmail Facebook Twitter LinkedIn More