语音识别中的鸡尾酒会问题

概念

“ 鸡尾酒会问题”(cocktail party problem)是在计算机语音识别领域的一个问题。当前语音识别技术已经可以以较高精度识别一个人所讲的话,但是当说话的人数为两人或者多人时,语音识别率就会极大的降低,这一难题被称为鸡尾酒会问题

解决方案  


斯坦福大学的Andrew NG教授的机器学习公开课(http://v.163.com/special/opencourse/machinelearning.html(ml-class.org)在第一章unsupervised learning那段视频里解决鸡尾酒会问题(cocktail party problem)就写了一行代码:[W,s,v] = svd ((repmat(sum(x.*x,1),size(x,1),1).*x)*x');


用fastICA算法可以比较好地解决http://research.ics.tkk.fi/ica/fastica/


http://www.endolith.com/wordpress/2009/11/22/a-simple-fastica-example/ 是一个分离音乐的例子,效果比较明显。用的就是fastICA的python实现。不过好像用来解决cocktail party problem的话效果不太好。


Blind Source Separation of recorded speech and music signalshttp://cnl.salk.edu/~tewon/Blind/blind_audio.html

 

版权声明:本文为whaoXYSH原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明。