Reconhecimento de sílabas fonéticas utilizando redes Stacked Autoencoders via compressão de frequências com centroides
Authors:
- Carlos Eduardo Nascimento CajadoCCCarlos Eduardo Nascimento Cajado
- Bianca Valéria Lopes PereiraBPBianca Valéria Lopes Pereira
- Samuel Magalhães PereiraSPSamuel Magalhães Pereira
- Alexandre Cesar Muniz de OliveiraAlexandre Cesar Muniz de Oliveira
- Areolino de Almeida NetoANAreolino de Almeida Neto
Open Access
- 3 July 2025
- journal article
- Published by Brazilian Journals in REVISTA DELOS
- Vol. 18 (69) , e6077
Abstract
Este trabalho apresenta um modelo para o reconhecimento de sílabas fonéticas utilizando uma rede Stacked Autoencoder. O objetivo é identificar e distinguir os diferentes sons da fala, considerando sílabas fonéticas e variações na pronúncia. A rede desenvolvida, denominada CollabNet, é caracterizada pela adição colaborativa e gradual de camadas ocultas, garantindo continuidade no aprendizado e convergência progressiva do erro. Essa estratégia também favorece a integração com camadas anteriores e o alinhamento do processo de treinamento. Para representar as sílabas fonéticas, o método realiza compressão de frequências por meio de centroides. Inicialmente, aplica-se a Transformada Rápida de Fourier (FFT) em cada amostra de áudio. As frequências adjacentes são agrupadas e representadas como retângulos em um gráfico de barras, e o centroide de cada grupo é então calculado. Em seguida, a rede é configurada e treinada para reconhecer sílabas fonéticas. A representação do áudio preserva características específicas, permitindo ao CollabNet identificar com precisão diferentes sons do português brasileiro. O modelo alcançou acurácia de 75,96% e Taxa de Erro Fonético (PER) de 23,73%.Keywords
This publication has 8 references indexed in Scilit:
- Helium Speech Recognition Method Based on Spectrogram with Deep LearningBig Data and Cognitive Computing, 2025
- Automatic speech recognition of Portuguese phonemes using neural networks ensembleExpert Systems with Applications, 2023
- Free resources for forced phonetic alignment in Brazilian Portuguese based on Kaldi toolkitEURASIP Journal on Advances in Signal Processing, 2022
- Towards an end-to-end speech recognizer for Portuguese using deep neural networks2017
- A Comparative Study of Different Speech Features for Arabic Phonemes Classification2016
- Binary coding of speech spectrograms using a deep auto-encoder2010
- Voice recognition software accuracy with second language speakers of EnglishSystem, 1999
- A tutorial on hidden Markov models and selected applications in speech recognitionProceedings of the IEEE, 1989