語音識別置信度研究.pdf

1、手機端的語音短信輸入，可以免去人們手工輸入短信的不便，有著實際的應(yīng)用需求，但是尚未得到很好的解決。因此短信語音識別成為當(dāng)前語音識別的一個熱點問題。短信語音有語句短，口語化強的特點，識別起來有很大的難度。短信語音識別要解決的主要問題有：手機語音庫的建設(shè)，識別系統(tǒng)開發(fā)，識別結(jié)果置信度評價等。本文對短信語音識別問題進行了研究，建立了性能優(yōu)越的短信語料庫和語音庫，搭建了置信度評價系統(tǒng)。此外，還針對分類樣本不平衡問題做了初步的不平衡數(shù)據(jù)集分類問題

2、研究。主要的工作如下：
　　 ⑴建立了性能優(yōu)越的短信語音語料庫。良好的語音庫和語料庫的建立對于聲學(xué)模型和語言模型的訓(xùn)練都有很大的幫助作用，對于系統(tǒng)測試也必不可少。本文實現(xiàn)了短信注音系統(tǒng)，根據(jù)短信語料的特性，選擇了合理的語料選擇算法從五十萬條原始短信中，自動選擇出了6000句語音學(xué)角度豐富的短信語料。在保證稀有三音子全部被選擇出的前提條件下，使三音子盡量平衡。6000句三音子理論覆蓋率達到93.9％，實際覆蓋率達到100％。并以此

3、建立了200人參與錄音，時長超過300小時的手機語音庫。
　　 ⑵置信度分類中的特征提取和特征選擇。在語音短信輸入的應(yīng)用中，識別結(jié)果的可靠性是一個實際要解決問題。傳統(tǒng)的語音識別置信度方法基于各種靜態(tài)特征進行分類判決，而忽略了詞與周圍環(huán)境之間的關(guān)系所攜帶的信息。本文在一個詞錯誤率為14.02％的基線系統(tǒng)上，利用10維靜態(tài)特征做分類，比基線系統(tǒng)的錯誤率降低了24.9％。進一步在靜態(tài)特征的基礎(chǔ)上提出了上下文特征和動態(tài)特征，它們和靜態(tài)特

4、征組合在一起的特征分類效果比靜態(tài)特征提高了7.4％。但是并非所有特征都對分類效果有正面影響，過多的特征不但帶來信息的冗余，還會使分類速度變慢。針對這個問題，本文將特征提取和特征選擇引入到語音識別置信度的研究中，提出了用特征提取的方法降低特征維數(shù)和用特征選擇的方法從原始特征中選擇出一個有效的子集。實驗表明本文提出的上下文和動態(tài)特征是相對重要的分類特征，并且通過特征提取和特征選擇可以得到有效壓縮。
　　 ⑶不平衡數(shù)據(jù)集分類。置信度分