中国方言语音识别技术的发展概述
袁稳沉1* 方明康2 单越2 杨安1

1杭州职业技术学院，浙江省杭州市，310020；

2美欣达集团有限公司，浙江省湖州市，313000；

摘要：本文讨论了适老化语音识别面临的独特挑战，如老年人多使用方言，以及老年人语音特征的变化对数据需求的影响;综述了近年来自动语音识别技术的主要发展，包括传统的高斯混合模型-隐马尔可夫模型、基于深度神经网络的混合模型，以及端到端方法如CTC-注意力机制和Transformer架构的进展,及其在中国方言语音识别中的应用。

关键词：适老化语音识别；卷积神经网络；端到端模型

参考文献

[1]Li, H., B. Ma, and K.A. Lee, Spoken language recognition: from fundamentals to practice. Proceedings of the IEEE, 2013. 101(5): p. 1136-1159.

[2]Zissman, M.A. Automatic language identification using Gaussian mixture and hidden Markov models. in 1993 IEEE International Conference on Acoustics, Speech, and Signal Processing. 1993. IEEE.

[3]Reynolds, D.A., T.F. Quatieri, and R.B. Dunn, Speaker verification using adapted Gaussian mixture models. Digital signal processing, 2000. 10(1-3): p. 19-41.

[3]Burget, L., P. Matejka, and J. Cernocky. Discriminative training techniques for acoustic language identification. in 2006 IEEE International Conference on Acoustics Speech and Signal Processing Proceedings. 2006. IEEE.

[4]Tipping, M.E. and C.M. Bishop, Mixtures of probabilistic principal component analyzers. Neural computation, 1999. 11(2): p. 443-482.

作者简介：袁稳沉，1991.06，男，汉，浙江，博士，教师，讲师，人工智能、计算力学，杭州职业技术学院。