汉语连续语音识别中上下文相关的声韵母建模.PDFVIP

( ) ISSN 清华大学学报 自然科学版 2004 年 第 44 卷 第 1 期 1636 CN 112223N 　 ( ) , 2004, . 44, . 1 6164 J T singhua U niv Sci Tech V ol N o 　 汉语连续语音识别中上下文相关的声韵母建模 1 1, 2 1 1 李　净 , 　郑　方 , 　张继勇 , 　吴文虎 ( 1. 清华大学 计算机科学与技术系, 智能技术与系统国家重点实验室, 北京 100084; 2. 北京得意音通技术有限公司, 北京 100085) 摘　要: 声学建模是汉语连续语音识别中的关键步骤之一。 近年来, 对语音识别的研究重心已经从小词表、 根据汉语语音的特点, 采用扩展声韵母 (X IF ) 作为识别基 孤立词的研究逐步转向大词表、连续语音识别, 以及 元, 并针对X IF 基元设计了相应的问题集, 利用基于决策树 基于连续语音的各种应用。 的状态共享策略建立上下文相关声韵模型( ) 。将 T ri X IF 音节、音素基元均被广泛应用于汉语连续语音 模型与上下文相关音素模型( ) 、上下文无 T ri X IF T ri phone 识别, 并取得了很好的效果。虽然声韵母基元被认为 关音节模型进行了对比。提出了几种方法用于改善标注、改 很好地反映了汉语的特点, 也有一些研究选用标准 进问题集和降低模型规模。实验结果表明, 模型与 T ri X IF 声韵母作为识别基元, 但对其研究还不够深入细致。 模型、音节模型相比, 识别性能有了很大提高, 其 T ri phone 本文采用扩展的声韵母为识别基元, 研究如何利用 音节误识率分别降低了 24. 53% 和 41. 65% 。采用了所提出 基于决策树的状态共享策略进行了上下文相关建 的优化策略后, 模型规模降低 20% 以上, 而性能下降很少。 模, 并与音节、音素模型进行对比。 关键词: 语音识别; 决策树;