상세 보기
CTC를 이용한 LSTM RNN 기반 한국어 음성인식 시스템
LSTM RNN-based Korean Speech Recognition System Using CTC
- 이동현;
- 임민규;
- 박호성;
- 김지환
초록
Long Short Term Memory (LSTM) Recurrent Neural Network (RNN)를 이용한 hybrid 방법은 음성 인식률을 크게 향상시켰다. Hybrid 방법에 기반한 음향모델을 학습하기 위해서는 Gaussian Mixture Model (GMM)-Hidden Markov Model (HMM)로부터 forced align된 HMM state sequence가 필요하다. 그러나, GMM-HMM을 학습하기 위해서 많은 연산 시간이 요구되고 있다. 본 논문에서는 학습 속도를 향상하기 위해, LSTM RNN 기반 한국어 음성인식을 위한 end-to-end 방법을 제안한다. 이를 구현하기 위해, Connectionist Temporal Classification (CTC) 알고리즘을 제안한다. 제안하는 방법은 기존의 방법과 비슷한 인식률을 보였지만, 학습 속도는 1.27 배 더 빨라진 성능을 보였다.
키워드
Connectionist temporal classification; Long short term memory; Recurrent neural network; Acoustic model; Speech recognition; Connectionist temporal classification; Long short term memory; Recurrent neural network; 음향모델; 음성인식
- 제목
- CTC를 이용한 LSTM RNN 기반 한국어 음성인식 시스템
- 제목 (타언어)
- LSTM RNN-based Korean Speech Recognition System Using CTC
- 저자
- 이동현; 임민규; 박호성; 김지환
- 발행일
- 2017-02
- 저널명
- 디지털컨텐츠학회논문지
- 권
- 18
- 호
- 1
- 페이지
- 93 ~ 99