基于双路卷积神经网络的中文语音识别

为解决卷积神经网络在中文语音识别中识别准确率低、鲁棒性差的问题，提出一种基于双路卷积神经网络的声学建模方法。利用多尺度学习方法提取多尺度特征信息；将软阈值非线性转换层和注意力机制进行融合后嵌入残差网络，减轻网络梯度问题，加强网络特征信息传递，提高特征学习效果；采用连接时序分类技术分类，简化语音识别流程。实验结果表明，该模型与传统识别模型相比，词错误率降低了7.52%,在3种噪声环境下，错误率也低于传统模型。