T863%3a多话筒非特定人连续语音电话窄带语音数据库的建设.pdfVIP

第六届全国人机语音通讯学术会议 中国 深A T863:多话筒非特定人连续语音电话窄带语音数据库的建设 岁笋,者习 中科院声学所语音交互技术研究中心 luoe止ds.aacndulma,iis.ac.co 接来自真实电话信道，同时采用多话筒并行录音的方 摘要 式，能较好的反映电话语音的统计特性，对电话语音 本论文描述了中科院声学所语音交互技术研究中心多 识别、话者识别系统的建设都具有较大的意义. 话简、非特定人、连续语音、电话窄带语音数据库T863 电话语音识别系统性能下降的一个主要原因是电话线 建设的一些问题。1863是通过播放多话者、连续纯净 路信道 (不包括话筒)的多变性[11e即使我们使用同 语音863数据库语音，并便之经过多种话简和公用电 一部电话对同一个电话号码进行拨号并建立连接，不 话交换网 P‘STN，构成的多个电话语音通话信道，并 同的拨号连接对应的电话线路信道也具有比较明显的 行录音，从而获得的多话简、非特定人、连续语音、 差异。为了准确的记录电话线路信道的统计学特性， 电话窄带语音数据库。T863的数据直接来自真实电话 T863电话语音数据都由一个特定的电话语音数据采集 信道，同时采用多话筒并行录音的方式，能较好的反 系统从真实的电话信道环境采集。该数据采集系统能 映电话语音的统计特性，为电话语音识别、话者识别 够通过声源 (人嘴模拟器或者音箱)自动播放863纯 系统的研究奠定了坚实的荃础。 净语音致据库中的语音文件，语音通过排列在声源前 面的多个电话话简构成的阵列进入公用电话网 1.引言 (PSTN)，并在电话网的另外一端自动录音。为了记 录不同拨号连接对应的电话线路信道差异，每记录 当前流行的语音识别系统的性能严重依赖于建设识别 10--100句语音后，系统讲自动挂断当前电话线路连 系统的训练数据和实际应用环境数据之间的匹配程 接，井重新拨号，开始下一次电话语音数据采集。 度。当训练数据和实际数据之间具有较大的差异时， 电话语音识别系统性能下降的另外一个重要原因是话 系统性能发生急剧的下降[11。由于电话语音识别系统 筒的多变性。由于电话识别系统的终端设备 (用户电 在实际应用中常常受到各种影响因素的挑战，导致其 话机)分布及其广泛，因此，很难对用户使用的话简 性能下降，难以达到实际应用的要求。为了对电话信 类型进行限制，从而使该问题变得更加突出。有文献 道下的语音进行声学特性分析，研究新的电话语音识 指出，话简多变性对语音识别系统和话者识别系统性 别健壮性方法，或者建设非特定人连续语音识别系统， 能有巨大的影响[1)[2].为了记录不同电话话简对电话 建设一个多话筒、非特定人、连续语音、电话窄带语 语音的影响，T863数据库记录了多种电话话筒的录音 音数据库是非常必要的。然而不幸的是，研究者可用 结果。T863数据库采用12个不同的话简进行录音 4 的公共中文电话语音数据库很少。电话语音数据库的 个炭精式话简 (carbonhandset)、4个111极体式话简 缺乏成为限制中文电话语音识别系统