面向新聞語料的漢語語音關鍵詞檢測技術研究.pdf

1、語音關鍵詞檢測(SpokenTermDetection,STD)是指用戶提供文本形式的查詢請求,系統(tǒng)從語音資源庫中返回與用戶查詢相關的語音片段。它是語音識別的一個重要領域,有著廣闊的應用前景。語音關鍵詞檢測系統(tǒng)一般分離線建立索引和在線檢測結果兩個階段,質量好的索引往往能提高系統(tǒng)檢測的準確性。
　　在實際的系統(tǒng)中,通?；谡Z音識別的結果為語音資源庫建立索引。由于Lattice有著結構合理、信息含量豐富的優(yōu)點,目前大多數語音關鍵詞檢測

2、系統(tǒng)都是基于Lattice建立索引的。Lattice本身包含了聲學似然比和語言模型概率,因此可以很方便的獲得Lattice中局部路徑的后驗概率,將其作為局部路徑的置信測度是建立索引的一種簡單有效的方法。但是傳統(tǒng)的N元文法模型(如二元文法,即bigram模型)沒有考慮當前觀測詞和與其相隔一定距離的詞間的相關性信息,因而存在一定的信息丟失。本文利用長距離的bigram模型,能夠從不同的層次表達單詞之間的語法和語義信息,基于Lattice圖形

3、結構和長距離的bigram模型而不是傳統(tǒng)N元文法模型建立索引,將會改善索引的質量和系統(tǒng)的檢測性能。本文考察了基于不同距離bigram模型的語音關鍵詞檢測系統(tǒng)的性能,結果表明,整合多種距離長距離bigram模型語音關鍵詞檢測系統(tǒng)的檢測結果,能夠獲得比基于傳統(tǒng)N-gram模型的語音關鍵詞檢測系統(tǒng)更高的識別召回率。
　　在面向新聞數據庫的語音關鍵詞檢測系統(tǒng)中,新聞語音數據是構建語音識別器的理想語料。在語音關鍵詞檢測系統(tǒng)的前端,需要構建語

4、音識別器將語音資源轉化為文本表示。但是目前的商業(yè)新聞語料普遍存在標注不夠精細的問題,標注是段落級而非語句級,因此不能直接用來完成語音識別的相關任務。本文提出了一種基于語音識別技術的自動切分新聞語料的方法。該方法構建線性的識別網絡,并在句間添加可選的靜音模型對不夠精細的語音段進行解碼,之后根據語音幀在靜音模型上是否駐留以及駐留時間的長短來判斷是否需要對段落級的語音進行切分。實驗表明,本方法在語料時長低于11分鐘的情況下具有較好的性能。因此