Нейросетевые алгоритмы распознавания речи для систем голосового самообслуживания

В мире современных технологий широко применяются системы распознавания речи. Целью дипломной работы является повышение эффективности распознавания речи в системах голосового самообслуживания за счет применения технологий глубокого обучения. В этой работе был проведен аналитический обзор литературы по истории и классификации распознавания речи, а также по подходам к решению и моделям. Были рассмотрены такие модели, как скрытые Марковские модели, модель Гауссовых смесей, искусственные нейронные сети, сети долго-краткосрочной памяти и гибридные сети скрытых Марковских моделей с искусственными нейронными сетями. В рамках этой задачи был проведен аналитический обзор и различных акустических моделей, обученных моделью Гауссовых смесей и искусственной нейронной сетью. Проведен сравнительный анализ существующих библиотек по распознаванию речи. И проведено экспериментальное исследование для распознавания фраз из корпуса voxforge на основе библиотеки Kaldi. Более того, было проведено сравнение точности распознавания речи по гендерным и возрастным признакам. Результаты показали, что библиотека Kaldi имеет более высокую точность, чем аналог Google. А также модели, основанные на нейронных сетях имеют точность в несколько раз выше, чем на гауссовых смесях.