語音半自動(dòng)標(biāo)注系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著當(dāng)代信息技術(shù)日新月異的發(fā)展，人們對語音合成和語音識(shí)別的效果提出更高的要求，越來越多的實(shí)驗(yàn)室研究成果被應(yīng)用到實(shí)際生活中，各種語音系統(tǒng)產(chǎn)品不斷問世。構(gòu)建大規(guī)模的語料庫是設(shè)計(jì)優(yōu)秀語音系統(tǒng)不可缺少的一項(xiàng)任務(wù)，而是否對語料庫進(jìn)行精確標(biāo)注，則決定語料庫質(zhì)量的優(yōu)劣，因此語料庫的標(biāo)注在語音研究中起到關(guān)鍵性的作用。大量的人工標(biāo)注不僅耗時(shí)、耗力、成本大，而且由于人耳對于詞或語句中單個(gè)音節(jié)的邊界不敏感，標(biāo)注數(shù)據(jù)會(huì)產(chǎn)生較大的誤差。論文設(shè)計(jì)了一個(gè)語音語料的半

2、自動(dòng)標(biāo)注系統(tǒng)，能夠自動(dòng)計(jì)算出語音語料的邊界和基頻包絡(luò)，在此基礎(chǔ)上手工矯正自動(dòng)標(biāo)注結(jié)果，實(shí)現(xiàn)語音語料邊界和基頻包絡(luò)的準(zhǔn)確標(biāo)注。論文的主要工作與創(chuàng)新如下：
　　1.實(shí)現(xiàn)了語音基元邊界的自動(dòng)標(biāo)注算法。對錄制好的無時(shí)間標(biāo)注語音文件，采用基于隱Markov模型（Hidden Markov Model，HMM）的強(qiáng)制對齊算法進(jìn)行時(shí)間邊界的自動(dòng)對齊。在 HMM模型訓(xùn)練過程的重估步驟中，引入了確定性模擬退火期望值最大(Deterministic

3、Annealing Expectation Maximization，DAEM)算法，提高了語音基元邊界強(qiáng)制對齊的準(zhǔn)確性。
　　2.實(shí)現(xiàn)了語音基頻的自動(dòng)標(biāo)注算法。在語料時(shí)長邊界標(biāo)注的基礎(chǔ)上，采用STRAIGHT(Speech Transformation and Representation based on Adaptive Interpolation of w eighted spectrogram)算法提取語音的基頻，并對提

4、取出的基頻數(shù)據(jù)進(jìn)行平滑。根據(jù)兩峰值點(diǎn)距離是基頻周期的關(guān)系，獲得峰值點(diǎn)標(biāo)注位置，從峰值點(diǎn)形成的基頻包絡(luò)曲線，可以直接發(fā)現(xiàn)漏標(biāo)、錯(cuò)標(biāo)的峰值點(diǎn)。通過人工修正，得到更加準(zhǔn)確的標(biāo)注數(shù)據(jù)。這也就是半自動(dòng)標(biāo)注系統(tǒng)的體現(xiàn)。
　　3.設(shè)計(jì)實(shí)現(xiàn)了一個(gè)語音半標(biāo)注系統(tǒng)。系統(tǒng)采用圖形化用戶交互界面，在語音波形上畫出每個(gè)語音基元的邊界，同時(shí)將 STRAIGHT算法的基頻，轉(zhuǎn)換成語音波形上的峰值點(diǎn)標(biāo)注。在此基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了手工修改語音基元邊界和峰值點(diǎn)標(biāo)注的功