基于通用識別器的文語對齊技術的研究.pdf

1、我們身處互聯(lián)網(wǎng)高速發(fā)展的時代,互聯(lián)網(wǎng)可共使用視聽資源很多,我們?nèi)〉妹赓M的視聽資源也十分方便。當我們建立語音語料庫時,往往會使用到很多的人力、物力且構建的時間也很長,造成了很多浪費。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。本文提出了一個方法來解決這一問題,即區(qū)分互聯(lián)網(wǎng)上的免費的視聽資源,用來快速構建語音庫。
　　本文的實驗的數(shù)據(jù)取自《新聞聯(lián)播》(CCTV)節(jié)目,選取新聞聯(lián)播作為實驗語料主要原因是《新聞聯(lián)播》里的主持人發(fā)音

2、是國家標準,并且有良好的文本對應,多數(shù)情況下都是主持人針對特定語境的錄音,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。
　　(1)本文提出了一種基于通用識別器的文語對齊技術(通用識別器為window7自帶語音識別系統(tǒng)和Google Voice Recognition),該技術是基于隱馬爾科夫強制對齊技術,通過比較我們得到的初步識別結果和原來的文本,運用強制對齊Force-alignment(FA

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