文本語(yǔ)音匹配的研究和應(yīng)用.pdf

1、語(yǔ)言是人類最重要的交流工具，而文字則是人類用來(lái)記錄語(yǔ)言的符號(hào)。隨著多媒體、計(jì)算機(jī)網(wǎng)絡(luò)和語(yǔ)音識(shí)別技術(shù)的高速發(fā)展，文本語(yǔ)音匹配成為基于內(nèi)容的音頻和多媒體數(shù)據(jù)分析和計(jì)算機(jī)輔助語(yǔ)言教學(xué)等領(lǐng)域中的十分重要的問(wèn)題。文本語(yǔ)音匹配是以語(yǔ)音識(shí)別系統(tǒng)的核心技術(shù)為基礎(chǔ)，對(duì)參考文本和對(duì)應(yīng)語(yǔ)音進(jìn)行強(qiáng)制對(duì)準(zhǔn)的過(guò)程，其目的在于獲得語(yǔ)音與文本之間的時(shí)間對(duì)應(yīng)關(guān)系，從而用于模型訓(xùn)練、語(yǔ)音評(píng)價(jià)、媒體檢索、廣播電視出版等多個(gè)領(lǐng)域。
　　 作為語(yǔ)音識(shí)別領(lǐng)域的關(guān)鍵技術(shù)之一

2、，文本語(yǔ)音匹配算法的研究多年來(lái)受到研究人員的普遍關(guān)注。近年來(lái)，該領(lǐng)域的研究主要集中在嘗試?yán)酶鞣N方法來(lái)提高匹配的準(zhǔn)確率和魯棒性，包括環(huán)境音素的影響，對(duì)超長(zhǎng)語(yǔ)料的處理，以及對(duì)不完全匹配的文本和語(yǔ)音進(jìn)行匹配等方面。本文在系統(tǒng)論述目前國(guó)內(nèi)外文本語(yǔ)音匹配技術(shù)發(fā)展現(xiàn)狀的基礎(chǔ)上，針對(duì)大量連續(xù)語(yǔ)料和不完全匹配語(yǔ)料給出了對(duì)準(zhǔn)方法，以解決對(duì)準(zhǔn)過(guò)程中存在的性能和失配問(wèn)題，在此基礎(chǔ)上設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)對(duì)準(zhǔn)引擎，并應(yīng)用于智能英語(yǔ)口語(yǔ)訓(xùn)練平臺(tái)的內(nèi)容制作和語(yǔ)音評(píng)分，

3、主要工作和創(chuàng)新點(diǎn)包括：
　　 1.提出一種基于模糊邏輯的多特征音頻分類算法。該算法將語(yǔ)音似然度(speech likelihood)的概念和模糊邏輯理論引入到音頻分類的研究中，綜合考慮音頻片段的多維特征，利用模糊邏輯推理系統(tǒng)標(biāo)識(shí)其中的語(yǔ)音部分。實(shí)驗(yàn)表明，該方法可顯著改善分類性能。
　　 2.提出一種改進(jìn)的基于擴(kuò)展匹配網(wǎng)絡(luò)的容錯(cuò)對(duì)準(zhǔn)算法。該算法通過(guò)對(duì)匹配網(wǎng)絡(luò)進(jìn)行擴(kuò)展，對(duì)局部的單詞和短語(yǔ)級(jí)別的插入、刪除和替換錯(cuò)誤均可進(jìn)行檢測(cè)

4、，有效地提高了傳統(tǒng)的強(qiáng)制對(duì)準(zhǔn)算法的準(zhǔn)確性。
　　 3.提出一種適用于大量連續(xù)語(yǔ)料和非完全匹配語(yǔ)料的對(duì)準(zhǔn)算法。該算法將大規(guī)模文本語(yǔ)音的對(duì)準(zhǔn)問(wèn)題轉(zhuǎn)化為一個(gè)多階段決策過(guò)程的最優(yōu)化問(wèn)題，進(jìn)而應(yīng)用動(dòng)態(tài)規(guī)劃思想進(jìn)行求解，以解決大量連續(xù)語(yǔ)料在文本語(yǔ)音匹配過(guò)程中存在的失配問(wèn)題。實(shí)驗(yàn)表明，結(jié)合相應(yīng)的糾錯(cuò)和剪枝策略，該算法的匹配準(zhǔn)確性和魯棒性均得到大幅提高。
　　 4.在上述算法研究的基礎(chǔ)上，結(jié)合自然語(yǔ)言處理技術(shù)和語(yǔ)音評(píng)分技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了