閩南語語音識別的研究及基于RESTful架構語音云服務的實現(xiàn).pdf

1、語音識別是人機交互最重要的技術。但由于計算處理能力較弱，移動嵌入式設備上的識別系統(tǒng)難以滿足產(chǎn)品對準確率和實時性的需求。近年來，隨著3G/4G移動網(wǎng)絡的普及，實現(xiàn)基于網(wǎng)絡服務的語音系統(tǒng)的可行性更高，成本也更加低廉。伴隨著算法的突破和大數(shù)據(jù)時代的到來，語音識別取得了突飛猛進的進展，性能有大幅度的提升。服務于多平臺的語音云服務勢必將在新一輪的移動應用熱潮中，上升到更高的地位。
　　雖然普通話識別已達到實用的水準，但直至目前，以閩南語作為

2、研究對象的語音識別系統(tǒng)，尚未有成熟可靠的解決方案。實現(xiàn)閩南語語音識別系統(tǒng)將為閩南語各個片區(qū)提供友好的本地化服務，也能夠為閩南語教學，閩南文化的傳承與弘揚，創(chuàng)建更為便捷的環(huán)境。本文根據(jù)上述兩個問題展開研究，具體工作主要包括如下三個部分:
　　一、詳細探討語音識別系統(tǒng)的基本方法與主要過程，對隱馬爾可夫模型(Hidden Markov Model)典型算法進行介紹，并重點闡述RESTful架構WebAPI的原理與結構特點。
　　二

3、、搭建基于聲、韻母的閩南語語音識別系統(tǒng)。通過分析閩南語自身的語言學性質(zhì)和聲學特性，設計一套包含大部分閩南語音節(jié)的數(shù)據(jù)采集語料庫，并開發(fā)用于語音數(shù)據(jù)庫建設的Android客戶端錄音工具;使用課題組錄制的閩南語語音數(shù)據(jù)庫，在深入研究HTK工具的前提下，進行閩南語聲學模型訓練和性能評估實驗。
　　三、開發(fā)RESTful架構語音云服務系統(tǒng)。利用beego web框架搭建文本提示型（動態(tài)口令）說話人識別語音云服務，并對接口進行二次封裝，為各