基于云计算的壮语语音识别方法[发明专利].pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 108899031 A (43)申请公布日 2018.11.27 (21)申请号 201810785718.4 (22)申请日 2018.07.17 (71)申请人 广西师范学院 地址 530299 广西壮族自治区南宁市青秀 区合兴路3号 (72)发明人 潘颖　李敏　李雄　蒋雪玲　 (74)专利代理机构 北京远大卓悦知识产权代理 事务所(普通合伙) 11369 代理人 靳浩 (51)Int.Cl. G10L 15/26(2006.01) G10L 15/25(2013.01) G10L 15/06(2013.01) G10L 15/02(2006.01) 权利要求书1页 说明书3页 (54)发明名称 基于云计算的壮语语音识别方法 (57)摘要 本发明公开了基于云计算的壮语语音识别 方法，包括：建立壮语声学模型和壮语语言模型； 建立口型数据库；获得目标语音信号和多个口型 图像；对得到的多个口型图像进行组合，得到多 个目标口型图像集合，并与口型数据库内的图像 集合进行比对，选出、目标口型图像集合；根据选 出的目标口型图像集合的拍摄时间段，从目标语 音信号中截取出对应时间段的语音片段，根据语 音片段和对应的特定壮语辅音对壮语声学模型 进行训练，获得更新壮语声学模型；根据更新壮 语声学模型和壮语语言模型将目标语音信号识 别为文本。本发明利用口型图像信息对壮语声学 A 模型进行更新，提高了识别准确率，并且较适合 1 标准化程度不高的壮语。 3 0 9 9 8 8 0 1 N C CN 108899031 A 权　利　要　求　书 1/1页 1.基于云计算的壮语语音识别方法，其特征在于，包括： 建立壮语声学模型和壮语语言模型； 建立口型数据库，所述口型数据库包含若干特定壮语辅音以及与该若干特定壮语辅音 分别对应的若干口型图像集合； 接收目标用户的语音信号，并对目标用户的口型进行连续拍照，获得目标语音信号和 多个口型图像； 对得到的多个口型图像进行组合，得到多个目标口型图像集合，并与口型数据库内的 图像集合进行比对，选出相似图像数大于设定阈值的目标口型图像集合； 将选出的目标口型图像集合对应至目标语音信号，并根据选出的目标口型图像集合的 拍摄时间段，从目标语音信号中截取出对应时间段的语音片段，并根据口型数据库将语音 片段与相应的特定壮语辅音对应，根据语音片段和对应的特定壮语辅音对壮语声学模型进 行训练，获得更新壮语声学模型； 根据更新壮语声学模型和壮语语言模型将目标语音信号识别为文本。 2.如权利要求1所述的基于云计算的壮语语音识别方法，其特征在于，终端设备接收目 标用户的语音信号，并对目标用户的口型进行连续拍照，并将获得的目标语音信号和多个 口型图像上传至云服务器，云服务器中建立有壮语声学模型、壮语语言模型以及口型数据 库。 3.如权利要求1所述的基于云计算的壮语语音识别方法，其特征在于，所述特定壮语辅 音选自腭化辅音或唇化辅音。 4.如权利要求1所述的基于云计算的壮语语音识别方法，其特征在于，口型图像集合通 过对特定壮语辅音的发音口型动作连续拍照获得。 5.如权利要求4所述的基于云计算的壮语语音识别方法，其特征在于，目标口型图像集 合的相邻图像的间隔时间与口型数据库内的口型图像集合相同。 6.如权利要求5所述的基于云计算的壮语语音识别方法，其特征在于，从得到的多个口 型图像中选出