語音半自動標注系統(tǒng)的設計與實現(xiàn).pdf

1、隨著當代信息技術日新月異的發(fā)展，人們對語音合成和語音識別的效果提出更高的要求，越來越多的實驗室研究成果被應用到實際生活中，各種語音系統(tǒng)產(chǎn)品不斷問世。構建大規(guī)模的語料庫是設計優(yōu)秀語音系統(tǒng)不可缺少的一項任務，而是否對語料庫進行精確標注，則決定語料庫質量的優(yōu)劣，因此語料庫的標注在語音研究中起到關鍵性的作用。大量的人工標注不僅耗時、耗力、成本大，而且由于人耳對于詞或語句中單個音節(jié)的邊界不敏感，標注數(shù)據(jù)會產(chǎn)生較大的誤差。論文設計了一個語音語料的半

2、自動標注系統(tǒng)，能夠自動計算出語音語料的邊界和基頻包絡，在此基礎上手工矯正自動標注結果，實現(xiàn)語音語料邊界和基頻包絡的準確標注。論文的主要工作與創(chuàng)新如下：
　　1.實現(xiàn)了語音基元邊界的自動標注算法。對錄制好的無時間標注語音文件，采用基于隱Markov模型（Hidden Markov Model，HMM）的強制對齊算法進行時間邊界的自動對齊。在 HMM模型訓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制對齊的準確性。
　　2.實現(xiàn)了語音基頻的自動標注算法。在語料時長邊界標注的基礎上，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)進行平滑。根據(jù)兩峰值點距離是基頻周期的關系，獲得峰值點標注位置，從峰值點形成的基頻包絡曲線，可以直接發(fā)現(xiàn)漏標、錯標的峰值點。通過人工修正，得到更加準確的標注數(shù)據(jù)。這也就是半自動標注系統(tǒng)的體現(xiàn)。
　　3.設計實現(xiàn)了一個語音半標注系統(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語音基元的邊界，同時將 STRAIGHT算法的基頻，轉換成語音波形上的峰值點標注。在此基礎上，設計實現(xiàn)了手工修改語音基元邊界和峰值點標注的功