基于SilAlign的中文語(yǔ)音文語(yǔ)對(duì)齊的研究.pdf

1、文語(yǔ)對(duì)齊是以語(yǔ)音識(shí)別器為基礎(chǔ)，在時(shí)間上對(duì)語(yǔ)音和文本進(jìn)行強(qiáng)制對(duì)齊的過(guò)程。文語(yǔ)對(duì)齊通常被應(yīng)用在多媒體檢索和訓(xùn)練一個(gè)大詞匯量的語(yǔ)音識(shí)別和合成系統(tǒng)。近年來(lái)網(wǎng)絡(luò)上可以獲取越來(lái)越豐富的音頻資源，促進(jìn)了語(yǔ)音和文本對(duì)齊的大規(guī)模研究。例如有聲書本，多媒體文檔等。對(duì)這些語(yǔ)音和文本，采用傳統(tǒng)的基于維特比的強(qiáng)制對(duì)齊算法被證明對(duì)于文本和語(yǔ)音不匹配或者語(yǔ)音存在噪聲的情況存在不足。
　　為了使語(yǔ)音和文本能夠避開這些限制，使用語(yǔ)音識(shí)別器對(duì)原始的語(yǔ)音進(jìn)行識(shí)別，從而

2、得到含有時(shí)間信息的識(shí)別文本，再把該文本與原始文本進(jìn)行對(duì)齊，來(lái)得到兩者共同的部分。這樣就把語(yǔ)音和文本的對(duì)齊問(wèn)題轉(zhuǎn)化成為文本和文本的對(duì)齊問(wèn)題，后一種問(wèn)題的解決方案通常要求的計(jì)算量要少得多。SailAlign這一開源工具就是基于這種語(yǔ)音和文本對(duì)齊方法。
　　本論文利用修改的SailAlign算法進(jìn)行中文的文語(yǔ)對(duì)齊研究。在語(yǔ)音多于文本的情況下，我們進(jìn)行了實(shí)驗(yàn)，并對(duì)其結(jié)果進(jìn)行分析。最后我們還實(shí)現(xiàn)了自動(dòng)化的文語(yǔ)對(duì)齊。
　　本文的主要研究

3、工作如下:
　　首先，由于SailAlign算法不支持中文，所以我們修改了SailAlign的配置文件，并且添加了中文的語(yǔ)言模型和聲學(xué)模型，從而能夠使用SailAlign進(jìn)行中文的文語(yǔ)對(duì)齊研究。聲學(xué)模型和語(yǔ)言模型是用大量的新聞聯(lián)播的語(yǔ)音和文本數(shù)據(jù)訓(xùn)練得到的，使用SailAlign算法對(duì)語(yǔ)音和文本進(jìn)行文語(yǔ)對(duì)齊的過(guò)程是迭代的和自適應(yīng)的。通過(guò)實(shí)驗(yàn)我們對(duì)SailAlign算法在語(yǔ)音多于文本的情況下進(jìn)行文語(yǔ)對(duì)齊的正確率進(jìn)行了分析和比較。實(shí)驗(yàn)

4、表明，在語(yǔ)音多于文本的情況下，利用該算法得到的語(yǔ)音和文本進(jìn)行對(duì)齊的正確率比較高。
　　接下來(lái)我們通過(guò)SailAlign算法進(jìn)行文語(yǔ)對(duì)齊以后，然后再把對(duì)齊的語(yǔ)音和文本數(shù)據(jù)分割出來(lái)，就可以得到一一對(duì)應(yīng)的語(yǔ)音和文本。為了節(jié)省時(shí)間，提高效率，我們把SailAlign文語(yǔ)對(duì)齊的整個(gè)過(guò)程用一個(gè)shell腳本實(shí)現(xiàn)自動(dòng)化，整個(gè)過(guò)程都是在Linux這一個(gè)平臺(tái)下運(yùn)行的。該自動(dòng)化的文語(yǔ)對(duì)齊過(guò)程分為三個(gè)模塊，分別為文本和語(yǔ)音的預(yù)處理，SailAlign的