廣播語音的分割與分類研究.pdf

1、當今的大詞匯量的語音識別系統(tǒng)，在安靜的實驗室語音情況下已經(jīng)獲得了很高的識別率。但是，想要把語音識別推入到更加廣闊的應(yīng)用空間中區(qū)，需要對系統(tǒng)的魯棒性，計算速度上提出了更高的要求。 廣播語音，作為一種實際語音，有其復(fù)雜性，和一般的實驗室語音有一定的區(qū)別，比如：廣播語音包含各種音頻要素，比如人聲，音樂，長的靜音段，噪音等。如何提取音頻中的結(jié)構(gòu)化信息和音頻內(nèi)容，是音頻信息深度處理，基于內(nèi)容檢索和提高系統(tǒng)魯棒性的基礎(chǔ)。目前對于廣播語音的分

2、割與分類研究是當前的研究熱點之一。 本文主要研究了語音和音樂之間的區(qū)別，通過抽取特定的特征搭建了一個基于支撐向量機的語音、音樂的區(qū)分系統(tǒng)，完成語音、音樂兩種最主要的音頻要素的分類。另外，本文就一種最常見的特征基音頻率進行了一定的研究，并將之用于區(qū)分語音、音樂的系統(tǒng)中去，完成了一些實驗。 除此之外，本文總結(jié)了當前國際上主要的音頻分割的方法。使用其中貝葉斯信息準則應(yīng)用到以距離為基礎(chǔ)的檢測法，搭建了一個說話人跳變點的區(qū)分系統(tǒng)。