基于GRU-CTC混合模型的语音识别方法研究

传统的隐马尔科夫模型和循环神经网络在语音识别领域都获得很广泛的应用,但是随着数据量的剧增,其处理效率越来越无法满足人们需求,针对以上问题,通过对比应用于语音识别的三种模型,介绍一种基于门控循环单元GRU和连接时序分类CTC混合模型的语音识别方法.GRU作为一种LSTM网络的变形,在结构上比LSTM要简单,效率也更高,而CTC在帧预测上的方便与高效也让识别效果有不小的提升,从实验对比结果来看,结合CTC的GRU模型不仅比传统的GMM-HMM模型正确率要高,与结合CTC的LSTM模型相比正确率和效率也有不小的提高.