[1] 中华人民共和国教育部. 中国语言文字概况(2021年版)[OL]. http://www.moe.gov.cn/jyb_sjzl/wenzi/202108/t20210827_554992.html. [2] 蔡国都. 基于x-vector的说话人识别研究[D]. 北京: 北京交通大学, 2019. [3] Y Ma, M Zhao, Y Ding, Y Zheng, M Liu, M Xu.Rep Works in Speaker Verification[J]. arXiv.2110.09720v1[cs.SD], 2021. [4] Yuan-ping NIE, Yi HAN, Jiu-ming HUANG, Bo JIA, Ai-ping LI. Attention-based encoder-decoder model for answer selection in question answering[J]. Frontiers of Information Technology & Electronic Engineering, 2017, 18(04): 535-544. [5] 徐凡, 杨剑峰, 颜之为, 王明文. 基于自注意力的端到端方言语音识别模型[J]. 信号处理, 2021, 37(10): 1860-1871. [6] 鱼昆. 低资源方言语音识别方法研究与应用[D]. 西安: 长安大学, 2021. [7] X Zhou, G Lee, E Ylmaz, Y Long, J Liang, H Li.Self-and-Mixed Attention Decoder with Deep Acoustic Structure for Transformer-based LVCSR[J]. arXiv: Audio and Speech Processing, 2020. [8] Xinyuan Zhou, Grandee Le, Emre Yılmaz, Yanhua Long, Jiaen Liang, Haizhou Li.Self-and-Mixed Attention Decoder with Deep Acoustic Structure for Transformer-based LVCSR[J]. INTERSPEECH, 2020. [9] 易江燕. 基于迁移学习的小数据语音声学模型研究[D]. 北京: 中国科学院自动化研究所, 2018. [10] Anmol Gulati, James Qin, Chung-Cheng Chiu, Niki Parmar, Yu Zhang, Jiahui Yu, Wei Han, Shibo Wang, Zhengdong Zhang, Yonghui Wu, Ruoming Pang.Conformer: Convolution-augmented Transformer for Speech Recognition[J]. arXiv: 2005.08100v1[eess.AS], 2020. [11] 潘立馨. 基于迁移学习的低资源多语言的语音识别研究[D]. 天津: 天津大学, 2019. [12] 毛跃辉. 复杂声学环境下语音空调语音降噪方法研究及应用[J]. 家电科技, 2021(zk): 91-95. |