语音翻译中的口音建模和处理.pdfVIP

第六属全国人机语音通讯学术会议 中国 M il 语音翻译中的口音建模与处理 陈振标 甫泰冀 徐波 中〔国科学院自动化研究所 模式识别国家重点实验室 北京 100080) (zbchen,huang,xubo)Gnlpr.ia.ac.cn 然而我国地域辽阔，民族众多，各地发音的习 摘要 I有着很人的不同。即使是朗读标准的汉语普 文本机器翻译的研究和语音技术的飞速发 通话，由于受到从小就形成的发音习惯的影响， 展给人们提供了一个美好的前景，这就是借助 不同地方的人的发音也会带有非常明显的地方 计算机和其它辅助设备来实现从一种语言到另 口音特点。这些由于发音习惯而导致的发音变 一种语言的自动语音翻译 (Speech-to-Speech 异现象，给语音识别技术走向实际应用提出了 Translation)。这种技术旨在最终实现持不同语 一个相当大的挑战。 言的人与人之间无约束的自由通讯，从目前的 对于口音问题的研究。基于印欧语系的语 研究水平来看，不加任何限制的语音翻译非常 言像英语，德语等的研究较多，从口音信息的 困难，目前的研究主耍集中在限定的领域，系 获取来分，有基于知识的口音建模和基于数据 统词汇量较小的情况下。而高性能语音识别技 驱动的口音建模，从建模的层次上讲。可以分 术是语音翻译系统具有可行性的必要前提，本 别从声学模型，识别词典以及语言模型分别予 丈上要针对在限定的领域，有限的词汇情况下。 以考虑。有研究已经证明采用人工的和基于规 采用专家知识与数据驱动的方法对口音问题进 则的发音词典后能够提高识别系统的识别率， 行了系统的研究，以提高语音识别系统的鲁棒 有学者研究了用神经网络来预测可能的发音变 性。 异，也有人提出了通过决策树的方法来自动得 1，引言 到发音规则进而建立发音词典，还有学者根据 人类的沥史自进入工业化时代以来，其活 语言学上的知识建立特定地方口音的发音词 动逐渐全球化，国际间的交往日益密切，而持 典。汉语在这方面的工作开展得很少.汉语与 不同语种的人们之间进行交流，无一例外都首 印欧语系有着=点主要区别:首先汉语是单音 光要克服语言障碍。文本机器翻译的研究和语 节的;其次汉语是表意文字，不能由汉字直接 音技术的飞速发展给人们提供了一个美好的前 反映出它的发音;最后汉字的数量巨大，这样 景，这就是借助计算机和其它辅助设备来实现 很难建立一个针对于所有汉字的发音变异词 从 种语言到另一种语言的自动语音翻译 典。针对汉字的这些特点，我们探讨了如何建 (Speech-to-SpeechTranslation)。这种技术ne 立一个描述特定地方口音发音特点的音节发音 在最终实现持不同语言的人与人之间无约束的 变异词典{SPVD:SyllablePronunciation 自由通讯，在逐步进入信息时代和全球 体化 VariationDictionary)来改善语音识别器的性 的今天，其社会意义和经济意义尤为突出。就 9G. 目前的研究水平来看，不加任何限制的语音翻 本文主要针对在限定的领域，有限词汇情 译非常困难，目前的研究主要集中在限定的领 况下，对口音问题进行了系统的研究，通过专 域，系统词汇量较小的情况下。 家知识与数据驱动的方法来建立发音词典，在 高性能语音识别技术是语音翻译系统具有 语音识别中利用SPVD的信息来提高语音识别 可行性的必要前提。近二十多年来，基于统计 系统的鲁棒性，进而提高语音翻译系统的性能。 模型的语音识别技术己经取得了很大进展，实 2.基于发音词典的口音建模 验室条件下的识别正确率可以达到95%