Fusión de sistemas de reconocimiento basados en características de alto y bajo nivel

Abstract

Los sistemas automáticos de reconocimiento de locutor más utilizados recientemente están basados en características acústicas de bajo nivel, como las magnitudes espectrales, las frecuencias de los formantes, etc. Sin embargo, estos sistemas no tienen en cuenta algunas características de alto nivel que también pueden contribuir al reconocimiento, como el dialecto, el léxico o la entonación. En esta comunicación se presenta una técnica de fusión de ambos tipos de información con el objetivo de mejorar la tasa de reconocimiento.