【问题标题】：Speaker adaptation of acoustic model for Indian accent kaldi ASR印度口音 kaldi ASR 声学模型的说话人适应
【发布时间】：2016-01-23 21:37:20
【问题描述】：
我正在努力为印度口音的人进行语音识别。目前，我正在使用 Kaldi ASR 的在线 nnet2 解码工具。
当说话者具有良好的英语发音时，该工具运行良好。但是，当说话者的口音与美国英语口音不同时，它就失败了。
那么，任何人都可以建议任何使用 Kaldi ASR 对声学或神经网络模型进行说话人适应的程序吗？
【问题讨论】：
标签：
neural-network
speech-recognition
speech-to-text
【解决方案1】：
有很多方法可以做到或考虑。
1 - 如果你只谈论口音（这意味着没有新词，标准语法） -> 那么你应该主要使用模型的声学部分。尽可能多地获取音频和转录数据（数百小时），以便更新模型的 H 部分。
2 - 如果您在谈论更复杂的内容，您应该考虑更新词典（添加单词）和语法（fst's）（包括我的第一点）。
您可以尝试从 AMI 模型及其论文开始，它们包含在 Kaldi 的示例中。见Examples included with Kaldi