王繼紅

摘 要：隨著廣播電視節(jié)目對內(nèi)容監(jiān)管需求的逐漸增長，如何使用先進技術建立識別系統(tǒng)，提升內(nèi)容監(jiān)管工作的準確度和效率，成為廣電工作的重點內(nèi)容。本文主要是介紹了幾種關鍵的語音識別技術和語音識別技術的具體應用情況。

關鍵詞：語音識別技術；內(nèi)容監(jiān)管；應用

中圖分類號：TN912.34 文獻標識碼：A 文章編號：1671-2064（2017）08-0020-01

隨著廣播電視管理的不斷完善，對電視節(jié)目內(nèi)容的監(jiān)管也越來越嚴格，對音頻搜索等技術的需求也在逐漸增加。但是，音頻搜索技術還有很多難題尚未解決，如中文分詞瓶頸、第三方數(shù)據(jù)存儲量限制、數(shù)據(jù)處理分析瓶頸和音頻識別準確度等等，這樣在應用時會出現(xiàn)很多問題，相關部門需加大研發(fā)力度，讓音頻識別技術更加完善和規(guī)范。

1 語音識別關鍵技術介紹

1.1 語音模型自適應技術

因為環(huán)境、人的性別和口音等因素的干擾，語音數(shù)據(jù)會產(chǎn)生較大變化，在特殊條件下的訓練無法推廣應用，而自適應就可以根據(jù)測試數(shù)據(jù)進行調(diào)整避免誤判。在變換的自適應中，采用相同的變換更新參數(shù)，當自適應模型參數(shù)確定后，就可以用少量自適應數(shù)據(jù)變換方程，利用變換方程來重新估計模型參數(shù)[1]。一般來說，變換方程的數(shù)目小于目標模型參數(shù)，所以使用少量自適應數(shù)據(jù)就可以估計出變換方程。但是變換方程并不能探測出單個模型的特征，其漸進性較差，無法估計特征相近人模型。

1.2 說話人識別技術

說話人識別也被稱為聲紋識別，通過語音信號來識別說話人的身份。說話人識別主要分為兩類，即開集識別和閉集識別，兩者主要通過是否需要拒識來區(qū)別。開集識別更具普遍性，相比閉集識別技術更難。比如說，我們同時監(jiān)聽多個人說話，開集識別需要在多個說話人中找到指定的說話人。開集說話有兩大缺陷：虛警錯誤和漏報錯誤，兩者之間互相制約互相影響。在應用過程中，可調(diào)整識別模塊更傾向于少虛警錯誤或漏報錯誤。研究中會通過等錯誤率去判斷說話人識別系統(tǒng)的性能是否達標，如果虛警錯誤率和漏報錯誤率相等就是等錯誤率[2]。等錯誤率會受到測試語音長短、樣本語音信道匹配度和說話人語音長短等因素的影響，如果說話人語音越長，測試語音也就越長，兩者的差異也就越小，等錯誤率也會相應降低。

1.3 關鍵詞識別技術

關鍵詞識別技術分為單階段系統(tǒng)和兩階段系統(tǒng)兩大類，單階段系統(tǒng)識別主要是在關鍵詞系統(tǒng)中進行識別，當關鍵詞出現(xiàn)變化，系統(tǒng)就要重新識別。兩階段系統(tǒng)是將一般意義的連續(xù)語音轉(zhuǎn)換為文本，然后借助文本匹配途徑找到關鍵詞。這種系統(tǒng)比較靈活，可以隨時變換關鍵詞，是目前使用最多的關鍵詞識別技術。通過語音關鍵詞檢測特定內(nèi)容具有兩個優(yōu)勢：首先是準確率更高，其次是關鍵詞會多次出現(xiàn)。這樣在內(nèi)容監(jiān)管中就可以允許出現(xiàn)漏檢錯誤，不必每次都準確地識別關鍵詞。

2 語音識別技術的具體應用

2.1 音頻模板匹配技術

在已知節(jié)目片頭曲的條件下，可以使用音頻模板匹配技術進行自動打點和分割。因為受到音頻壓縮和信號傳輸?shù)挠绊?，導致模板之間存在差異，就可以通過提取多頻帶能量相對比率，利用各個頻帶能量分布趨勢穩(wěn)定的特點，就可以解決音頻信號扭曲造成的不穩(wěn)定問題。

2.2 音頻切分和分類技術

在處理廣播電視音頻信息的時候，例如語音識別和檢測關鍵詞，需要先對廣播電視的音頻進行切分，一般都會采用靜音檢測法來切分，這樣可以準確定位，為音頻分類工作奠定了基礎。對切分的音頻片段進行分類，需要根據(jù)音頻類型采取不同的處理方法。非靜音主要分為語音和非語音兩類，而語音又分為純語音和非純語音，非語音分為音樂和環(huán)境音。

2.3 自動發(fā)現(xiàn)技術

將廣告識別作為案例，利用音頻檢測獲取新廣告：首先是針對未知節(jié)目和廣告而設計，因此需要去除已知模板，這樣可以減少計算量。接著是利用音頻向量的快速搜索算法確定重復片段的預留位置，因為音頻向量都是通過音頻段的信息展開檢索，就會出現(xiàn)音頻字分布相同、但排列不同的音頻片段，也會有一些錯誤片段，所以需要篩選過濾一遍。最后是利用音頻指紋搜索找出音頻向量模型的重復片段。因為音頻指紋檢索技術是利用音頻幀的排列信息開展工作，所以準確度更高，可以檢測出誤報片段。完成上述步驟以后，就可以通過圖像幀變化率來區(qū)分非廣告的重復部分。因為廣告的播出費用是按照播放時間來定的，所以廣告商需要在有限的時間內(nèi)向觀眾傳遞更多的信息，所以視頻幀的變化率就比較大，而電視劇的變化率較小，這樣就可以去除重播的非廣告類節(jié)目[3]。

3 結語

隨著科學技術的不斷發(fā)展，語音識別技術的應用范圍也越來越廣，識別的準確度也在不斷提高。廣播電視對語音監(jiān)管的要求也在提高，語音識別技術必須達到要求，這樣不僅可以提高節(jié)目的搜索速度，對關鍵內(nèi)容進行快速定位，還可以減輕工作人員的工作壓力，提升監(jiān)管水平。

參考文獻

[1]陳彪，丁鵬.一種基于語音關鍵詞識別的廣播電視內(nèi)容監(jiān)測系統(tǒng)[J].廣播與電視技術，2015，26（12）：31-32.

[2]郭利剛，方土富.智能聲音識別技術在廣播電視廣告監(jiān)測中的應用[J].廣播與電視技術，2016，35（12）：28-29.

[3]王婧.基于電視自動編目技術的廣告監(jiān)管自動化系統(tǒng)[J].廣播與電視技術，2014，13（02）：16-17.