基于通用識(shí)別器的文語對(duì)齊技術(shù)的研究.pdf

1、我們身處互聯(lián)網(wǎng)高速發(fā)展的時(shí)代,互聯(lián)網(wǎng)可共使用視聽資源很多,我們?nèi)〉妹赓M(fèi)的視聽資源也十分方便。當(dāng)我們建立語音語料庫(kù)時(shí),往往會(huì)使用到很多的人力、物力且構(gòu)建的時(shí)間也很長(zhǎng),造成了很多浪費(fèi)。如果把這些資源變成可用的資源,將節(jié)省很多人力與物力。本文提出了一個(gè)方法來解決這一問題,即區(qū)分互聯(lián)網(wǎng)上的免費(fèi)的視聽資源,用來快速構(gòu)建語音庫(kù)。
　　本文的實(shí)驗(yàn)的數(shù)據(jù)取自《新聞聯(lián)播》(CCTV)節(jié)目,選取新聞聯(lián)播作為實(shí)驗(yàn)語料主要原因是《新聞聯(lián)播》里的主持人發(fā)音

2、是國(guó)家標(biāo)準(zhǔn),并且有良好的文本對(duì)應(yīng),多數(shù)情況下都是主持人針對(duì)特定語境的錄音,有著較好的韻律特征以及上下文信息,且取材方便?；诖吮疚木唧w的工作包括如下幾點(diǎn)。
　　(1)本文提出了一種基于通用識(shí)別器的文語對(duì)齊技術(shù)(通用識(shí)別器為window7自帶語音識(shí)別系統(tǒng)和Google Voice Recognition),該技術(shù)是基于隱馬爾科夫強(qiáng)制對(duì)齊技術(shù),通過比較我們得到的初步識(shí)別結(jié)果和原來的文本,運(yùn)用強(qiáng)制對(duì)齊Force-alignment(FA

3、)與模式匹配技術(shù),把能夠?qū)R的語料抽取出來,這樣可以大大減少建立型語音數(shù)據(jù)庫(kù)的時(shí)間。通過迭代機(jī)制,運(yùn)用到通用識(shí)別器的識(shí)別過程中,能夠有效的對(duì)齊的部分最大化。最終把能夠?qū)R的音頻和文本從原始的音頻和文本中切分出來,將對(duì)齊的結(jié)果合并起來,然后,將正確對(duì)齊的單句作為訓(xùn)練數(shù)據(jù)構(gòu)建中文識(shí)別器。
　　(2)作為一種評(píng)估通用識(shí)別器的文語對(duì)齊技術(shù)的方法,本文提出來了一種基于三音素模型中文識(shí)別系統(tǒng),把通用識(shí)別器文語對(duì)齊后得到的語料庫(kù),作為本次搭建語