汉语语音识别中基频特征的直接声学建模方法

doi:10.3778/j.issn.1002-8331.2009.30.041

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (30): 132-134.DOI: 10.3778/j.issn.1002-8331.2009.30.041

• 数据库、信号与信息处理 • 上一篇下一篇

汉语语音识别中基频特征的直接声学建模方法

黄浩¹，哈力旦²

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.新疆大学电气工程学院，乌鲁木齐 830046

收稿日期:2009-06-25 修回日期:2009-08-24 出版日期:2009-10-21 发布日期:2009-10-21
通讯作者: 黄浩

Direct F0 incorporation for acoustic modeling in Mandarin speech recognition

HUANG Hao¹，Halidan²

1.Department of Information Science and Engineering，Xinjiang University，Urumqi 830046，China
2.Department of Electrical Engineering，Xinjiang University，Urumqi 830046，China

Received:2009-06-25 Revised:2009-08-24 Online:2009-10-21 Published:2009-10-21
Contact: HUANG Hao

摘要/Abstract

摘要： 提出了隐条件随机场对断续基音频率序列进行直接声学建模的方法，该方法针对汉语语音中基频值在清音段连续，浊音段断续的特点，根据隐条件随机场区别于隐马尔可夫模型的重要特性——无需对观察值采用统一的建模方式，直接对不连续基频值与连续谱特征观察值一起进行声学建模。大词汇语音库上的汉语带调音节分类实验表明，隐条件随机场下对断续基音频率序列的直接建模较使用清音段人工平滑基频特征的识别率有明显的提高，还给出了与不同区分性准则训练的隐马尔可夫声学模型的实验性能的比较。

关键词: 隐条件随机场, 汉语语音识别, 声学模型

Abstract: Hidden Conditional Random Fields（HCRFs） based acoustic modeling is proposed by directly using discontinuous fundamental frequency（F0） sequences for Mandarin speech recognition.The method is based on the fact that F0 observations are continuous in voiced portion in Mandarin speech and missing in unvoiced portion，and HCRFs are more suitable for integrating such non-uniform features.Tonal syllable classification tasks are carried out on continuous speech database.Results show HCRFs trained on discontinuous F0 are significantly better than those trained on smooth F0 sequences from artificial interpolation.Comparisons with hidden Markov models under various training criteria are also given.

Key words: hidden conditional random fields, Mandarin speech recognition, acoustic modeling

中图分类号:

TN912.34

黄浩¹，哈力旦². 汉语语音识别中基频特征的直接声学建模方法[J]. 计算机工程与应用, 2009, 45(30): 132-134.

HUANG Hao¹，Halidan². Direct F0 incorporation for acoustic modeling in Mandarin speech recognition[J]. Computer Engineering and Applications, 2009, 45(30): 132-134.

[1]	张小峰，谢钧，罗健欣，杨涛. 深度学习语音合成技术综述[J]. 计算机工程与应用, 2021, 57(9): 50-59.
[2]	蔡文彬1，魏云龙1，徐海华2，潘林1. 混合单元选择语音合成系统的目标代价构建[J]. 计算机工程与应用, 2018, 54(24): 20-25.
[3]	王海坤，伍大勇，刘江，王士进，胡国平，胡郁. 基于时域建模的自动语音识别[J]. 计算机工程与应用, 2017, 53(20): 243-248.
[4]	包希日莫1，高光来1，张璟2. 基于遗传算法的声学模型拓扑结构优化[J]. 计算机工程与应用, 2014, 50(14): 5-8.
[5]	李秀滢，段晓毅，王建新. 一种心理声学模型的自同步音频水印方案[J]. 计算机工程与应用, 2013, 49(8): 96-99.
[6]	米日古力·阿布都热素，米吉提·阿不力米提，艾克白尔·帕塔尔，艾斯卡尔·艾木都拉. 基于HTK的维吾尔语连续音素识别技术研究[J]. 计算机工程与应用, 2013, 49(22): 150-154.
[7]	包希日莫1，高光来1，张璟2. 基于BIC与PSO的简约语音识别系统创建[J]. 计算机工程与应用, 2013, 49(10): 14-17.
[8]	李兵虎，黄浩. 新疆非母语汉语语音识别中的字典自适应技术[J]. 计算机工程与应用, 2011, 47(21): 141-144.
[9]	黄浩^1,2,朱杰¹,哈力旦³. 汉语语音识别中的区分性声调建模方法[J]. 计算机工程与应用, 2009, 45(11): 178-182.
[10]	胡小鹏、李迅、贺贵明、周小平 . BS.1387声学模型在音频编码系统中的应用 [J]. 计算机工程与应用, 2006, 42(11期): 6-.

汉语语音识别中基频特征的直接声学建模方法

Direct F0 incorporation for acoustic modeling in Mandarin speech recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics