汉语连续语音识别中上下文相关的声韵母建模-read.pdf

清华大学学报( 自然科学版)2004 年1 月第44 卷第1 期第61-64 页  J Tsinghua Univ (Sci  Tech), Jan. 2004, Vol. 24, No. 1, pp. 61-64  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责任公司，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。 about 24.53% and 41.65%, respectively. More than 20% model  根据汉语语音的特点，采用扩展声韵母（XIF ）作为识别基 size reduction is obtained with little performance deterioration  元，并针对 XIF 基元设计了相应的问题集，利用基于决策 after using the provided methods on Tri-XIF model.  树的状态共享策略建立上下文相关声韵模型（Tri-XIF ）。将 Keywords:  Speech  Recognition;  Decision  Tree;  Context  Tri-XIF 模型与上下文相关音素模型（Tri-phone）、上下文无 Dependent; Initial/Final  关音节模型进行了对比。提出了几种方法用于改善标注、改 进问题集和降低模型规模。实验结果表明，Tri-XIF 模型与 声学建模是连续语音识别中声学层面处理的 Tri-phone 模型、音节模型相比，识别性能有了很大提高， 关键步骤之一。声学模型用来描述识别基元与其特 其音节误识率分别降低了24.53%和41.65% 。采用了所提出 征矢量序列之间的对应关系。通过声学建模，可以 的优化策略后，模型规模降低20%以上，而性能下降很少。  估计待识别特征矢量序列所对应的语音识别基元， 关键词：语音识别；决策树；上下文相关；声韵母； 从而完成特征矢量序列到语音识别基元的识别转 中图分类号: TP493.42 换。  近年来，对语音识别的研究重心已经从小词 Context Dependent Initial/Final Acoustic  表、孤立词的研究逐步转向大词表、连续语音识别， Modeling for Chinese Continuous Speech  以及基于连续语音的各种应用。本文研究的就是汉 Recognition  语连续语音中的声学建模，涉及以下内容：  1 1,2 1 LI Jing ，ZHENG Fang ，ZHANG Jiyong ，WU  1）如何利用汉语的发音特点，选择适当的识 1 Wenhu   别基