鐘明輝

摘 要：漢語語音識(shí)別研究中，識(shí)別單元的選取是很重要的。該文提出一種基于聲韻母分割的，以韻母為基本識(shí)別單元的大詞匯量孤立詞的語音識(shí)別方法，并與以漢語詞為基本識(shí)別單元的語音識(shí)別方法進(jìn)行比較識(shí)別實(shí)驗(yàn)。結(jié)果表明，基于韻母為基本識(shí)別單元的語音識(shí)別性能優(yōu)于以漢語詞為基本識(shí)別單元的語音識(shí)別方法。

關(guān)鍵詞：識(shí)別單元 聲韻母分割 大詞匯量 漢語詞

中圖分類號(hào)：TN912.34 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2014）06（c）-0249-01

語音識(shí)別是近年來十分活躍的一個(gè)研究領(lǐng)域。在不遠(yuǎn)的將來，語音識(shí)別技術(shù)有可能作為一種重要的人機(jī)交互手段，輔助甚至取代傳統(tǒng)的鍵盤、鼠標(biāo)等輸入設(shè)備，在個(gè)人計(jì)算機(jī)上進(jìn)行文字錄入和操作控制。按可識(shí)別詞匯的多少分，語音識(shí)別可分為小詞匯量語音識(shí)別和大詞匯量語音識(shí)別。兩種語音識(shí)別系統(tǒng)所采用的處理方法也不完全一樣。小詞匯量語音識(shí)別基本都是以漢語詞為基本識(shí)別單元，而大詞匯量語音識(shí)別則多以音素為基本識(shí)別單元。該文中，我們主要的研究對(duì)象是大詞匯量漢語語音識(shí)別問題。所以，這里的音素是指漢語的音素，它與英語的音素有比較大的區(qū)別。因此，在漢語音素分割處理方面也有不同于通常對(duì)英語音素的處理方法。該文介紹了一種基于漢語聲韻母分割的，以韻母為識(shí)別單元的語音識(shí)別方法。

1 漢語語音的聲韻母分割

漢語普通話是以字為單位的。從聲學(xué)角度看，漢語中一個(gè)字就對(duì)應(yīng)一個(gè)音節(jié)。因此，音節(jié)是漢語語音識(shí)別中最自然的識(shí)別單位。目前，漢語語音識(shí)別逐漸向大詞匯量連續(xù)語音識(shí)別的方向發(fā)展，音節(jié)作為識(shí)別單元已經(jīng)慢慢被取代。這是因?yàn)楫?dāng)詞匯量增大時(shí)，不可能要求在進(jìn)行語音數(shù)據(jù)訓(xùn)練中每個(gè)音節(jié)重復(fù)出現(xiàn)很多次，以得到可靠的結(jié)果，那么如何合理地選取語音識(shí)別單元，并建立相應(yīng)的聲學(xué)模型，是漢語語音識(shí)別的關(guān)鍵。因此，必須選取比音節(jié)更小的單元（音素）作為訓(xùn)練和識(shí)別的基本語音識(shí)別單元。

1.1 漢語音節(jié)的結(jié)構(gòu)

按照我國(guó)傳統(tǒng)音素分類方法，漢語的一個(gè)字節(jié)可以看成是由聲母和韻母拼合而成，即聲—韻母結(jié)構(gòu)是漢語音節(jié)結(jié)構(gòu)的顯著特點(diǎn)。該結(jié)構(gòu)構(gòu)成使得漢語音節(jié)的聲學(xué)單元組合具有一定的規(guī)律性，在這種結(jié)構(gòu)中漢語音節(jié)的過渡音體現(xiàn)了音節(jié)的一種過渡性質(zhì)。即在過渡階段的起始段保留了較多的聲母特性而韻母特性較少；在過渡音末段則保留的聲母特性較少而包含較多的韻母特性。其中，核心目標(biāo)值是絕大多數(shù)音節(jié)的核心部分，具有典型的頻譜模式。也即本文提出的基于聲韻母分割的以韻母為識(shí)別單元的識(shí)別方法的理論依據(jù)。因此，將音節(jié)劃分成聲韻母音素作為識(shí)別單元是符合漢語特點(diǎn)的。

1.2 漢語的波形特征

漢語的每一個(gè)字都是一個(gè)單音節(jié)字。每個(gè)單音節(jié)又都是由聲母和韻母拼音而成。每個(gè)韻母又由若干個(gè)音節(jié)組成有多種聲調(diào)。因此共組成1200多個(gè)有調(diào)音節(jié)。從漢語的波形特征上看，聲母部分的變化很快，周期特性不明顯；到了過渡音段，逐漸呈現(xiàn)出周期性，而到了韻母部分，周期特性非常明顯，波形顯得穩(wěn)定而有規(guī)律；最后能量逐漸減少，但依然保持周期性的特征。因此，任何一個(gè)漢語音節(jié)（零聲母除外），其波形運(yùn)動(dòng)周期性呈現(xiàn)無序-基本有規(guī)律-有規(guī)律。所以只要檢測(cè)到語音信號(hào)波形的變化，才能夠很好地進(jìn)行聲韻母的分割了。

2 實(shí)驗(yàn)

本實(shí)驗(yàn)主要是驗(yàn)證基于聲韻母分割的，以韻母為識(shí)別單元的方法對(duì)于漢語語音識(shí)別的識(shí)別率和識(shí)別速度的有效性，作者進(jìn)行了特定人及非特定人的語音識(shí)別實(shí)驗(yàn)，并與以漢語詞為基本識(shí)別單位的語音識(shí)別模型進(jìn)行比較識(shí)別實(shí)驗(yàn)。

2.1 實(shí)驗(yàn)用語音庫

實(shí)驗(yàn)采用了兩組數(shù)字語音庫。（1）特定人的漢語數(shù)字（0～9）語音識(shí)別時(shí)，每個(gè)數(shù)字100次發(fā)音（共1000個(gè)樣本），其中30次發(fā)音（共300個(gè)樣本）用作訓(xùn)練集，另外70次發(fā)音（共700個(gè)樣本）用作測(cè)試集；（2）非特定人的漢語數(shù)字（0～9）語音識(shí)別時(shí)，共10人，5男5女，每人每個(gè)數(shù)字10次發(fā)音（共1000個(gè)樣本），其中每人每個(gè)數(shù)字3次發(fā)音（共300個(gè)樣本）用作訓(xùn)練集，另外7次發(fā)音（共700個(gè)樣本）用作測(cè)試集。

2.2 實(shí)驗(yàn)條件

該實(shí)驗(yàn)在實(shí)驗(yàn)室環(huán)境下完成，采用Cool Edit軟件錄音，數(shù)據(jù)采樣率為16000 Hz，量化精度為16 bits，幀長(zhǎng)取32 ms（512點(diǎn)），幀移16 ms，本文將在此環(huán)境下得到的語音視為純凈語音。本實(shí)驗(yàn)是在基于連續(xù)HMM的孤立詞語音識(shí)別系統(tǒng)上完成。經(jīng)實(shí)驗(yàn)比較，確定HMM的最佳狀態(tài)數(shù)為4，最佳混合度為3（12階MFCC+12階△MFCC，△表示一階差分）訓(xùn)練模型。

2.3 實(shí)驗(yàn)結(jié)果

見表1。

3 結(jié)語

該文提出了基于聲韻母切割的漢語語音識(shí)別方法，對(duì)該識(shí)別單元在特定人和非特定人在漢語語音識(shí)別中的應(yīng)用進(jìn)行了實(shí)驗(yàn)分析，并與傳統(tǒng)的漢字詞為識(shí)別單元的語音識(shí)別方法進(jìn)行了比較。結(jié)果表明，本文提出的基于聲韻母切割的以韻母為識(shí)別單元的識(shí)別方法，盡管與傳統(tǒng)的基于漢字詞為識(shí)別單元的識(shí)別率差不多，但是，這種基于音素的識(shí)別方法能使識(shí)別基元大大減少，從而使運(yùn)算量和貯存量減少，而訓(xùn)練數(shù)據(jù)量卻能相對(duì)增多，使得識(shí)別速度得到了大大的提高。因此，這種方法應(yīng)用于大詞匯量的漢語語音識(shí)別時(shí)，優(yōu)于以漢語詞為識(shí)別單元的語音識(shí)別方法。

參考文獻(xiàn)

[1] 何強(qiáng)，何英.MATLAB擴(kuò)展編程[M].北京：清華大學(xué)出版社，2002.

[2] 張靜亞.基于CHMM的高性能連續(xù)數(shù)字語音識(shí)別算法[J].常熟理工學(xué)院學(xué)報(bào)，2005（3）.

[3] 何新，王曉蘭.漢語語音識(shí)別中的一種音節(jié)分割方法[J].火力與指揮控制，2004（12）.

[4] 王寧，萬旺根.漢語語音音素分割的一種新方法[J].上海大學(xué)學(xué)報(bào)（自然科學(xué)版），2002（4）.endprint