汉语自然口语中声调识别的研究.pdfVIP

第56卷第12期2007年12月 物 理 学 报 PHYSICASINICA @2007 1000．329012007156(12)／7064．06ACTA Chin．P}Iys．Soc． 汉语自然口语中声调识别的研究* 刘赵杰1’2’’ 邵 健2’ 张鹏远2’ 赵庆卫2’ 颜永红2’ 冯 稷1’ 1)(中国科学院物理研究所，北京100080) 2)(中国科学院声学研究所．北京100080) (2007年3月6日收到；2007年6月1日收到修改稿) 汉语是一种带声调的语言，声调信息在汉语识别中具有非常重要的意义．传统的声调识别一般只研究朗读式 语音中相对标准的声调，很少对声调调型比较复杂的自然口语进行专门的处理．针对汉语自然口语的特点，在声调 建模单元的选择时提出了真实上下文的模型．同时，为了对声调模式进行精细建模，采用了一种层次聚类的方法来 获得更多的声调模式．实验结果证明了方法的有效性． 关键词：声调识别，自然口语，真实上下文模型，聚类 PACC：4370C，8736 字组、四字组声调模式进行了研究，给出了一些定性 1．引 言 的分析结果；文献[3]采用定性分析总结出应用声调 识别的23种模式．由于语音数据变化随机性很大， 声调是汉语音节中的三要素之一，人们不仅要 这些方法往往只重视对少量语音数据特例的分析， 凭借不同的声母、韵母来辨别字和词的意义，还需要 很难反映比较全面的声调变化规律．而后者主要是 以不同的声调来区别它们．如果将音节与声调分开 通过从训练语料中统计出声调模式的变化规律，然 后对其进行定量描述．如文献[4]利用聚类分析提取 考虑，汉语的1300多个带调的音节可以减少到400 多个无调音节，这对于简化识别的模型和搜索的空 句子中音节的基频模式；文献[5]利用决策树的数据 间是很有益处的．在现代汉语普通话中通常把声调 驱动方法从大规模语料中统计出连续语音中声调可 能的模式分布．由于语音数据的复杂性，只有数据驱 分成五种：一声(阴平)、二声(阳平)、三声(上声)、四 声(去声)和轻声，不同的声调对应着不同的基频变 动和知识驱动结合起来才能够对声调模式进行描述． 化曲线．轻声只有在两个音节以上的连续语音中才 目前连续语音识别的趋势是从朗读式语音识别 会出现，而且轨迹曲线比较短，接近于四声，但形状 到自然口语语音识别．相对于朗读式语音而言，自然 很不稳定且变化较大，所以本文的研究中没有考虑 口语是人类相互交流的一种最为直接、最为自然的 轻声． 方式，在声学层面上往往包含了多变的语速、真实的 在汉语连续语音识别系统中，如果能获得准确 情绪和严重的协同发音现象等．由于自然口语的上 的声调信息将会有效地提高识别系统的性能．多年 述特点会使声调基频轨迹曲线的模式变得更加复 来。许多学者在声调识别方面进行了大量的研究分 杂，准确地分析和把握这些变化的规律对于正确识 析，在孤立词和朗读式语音中取得了很多研究成 别自然口语具有重要意义．而前人的研究很少涉及 果n叫引．在研究方法上主要分为两种，基于规则的知 这个方向n¨，因此本文主要对自然口语中的声调识 识驱动和基于统计的数据驱动．前者主要是通过手 别进行了初