跨詞相依三連音素模型大字彙連續語音辨識系統之實作及分析

Inter-word Tri-phone Model Search and Analysis in Large Vocabulary Continuous Speech Recognition

呂東烜(Tung-Hsuan Lu)

指導教授 ： 李琳山

國立臺灣大學/電機資訊學院/資訊工程學研究所/碩士(2008年)

https://doi.org/10.6342/NTU.2008.01905

摘要

大字彙連續語音辨識系統，是圖樣辨識及搜尋演算法的結合，為語音領域中的核心技術。雖以隱藏式馬可夫模型為基礎的辨識系統已經發展多年，但當模型設計改變時，舊有的搜尋演算法仍需變動，才可與模型配合。本論文的目標，即是在音素模型上，建立並分析可支援跨詞相依三連音素模型的辨識工具程式。
大字彙連續語音辨識系統的結構十分複雜，環環相扣，一不小心就會出錯。因此，本論文會詳細介紹實作可能碰到的問題，從聲學模型、語言模型、詞典等基礎模型開始，接著導入人工智慧中搜尋演算法的概念，介紹非跨詞相依音素模型如何以詞彙樹展開搜尋空間；利用維特比光束搜尋加快搜尋速度。之後以非跨詞相依的辨識系統為基礎，改進詞彙樹來展開原本在式子上難以推導的跨詞相依性問題，達成跨詞相依三連音素模型大字彙連續語音系統之實作。
實驗中，以傳統右相關聲韻母模型來測試非跨詞相依音素模型；以SAMPA-T的三連音素模型來測試跨詞相依音素模型。以實驗數據討論系統在兩個不同的音素集之中，時間、空間的需求，及討論不同參數之下，對系統效能的影響。
在最後的實驗結果及分析中，以右相關聲韻母為模型的辨識系統，無論在時間與空間上都需求較少；而跨詞相依的三連音素模型，用了更多的參數來描述音素模型，雖時間與空間都需求較多，但正確率比右相關聲韻母模型高，展現出其較精緻的模型能力。

關鍵字

大字彙 ； 語音辨識 ； 三連音素 ； 搜尋演算法 ； 維特比光束搜尋

並列摘要

無資料

並列關鍵字

speech recognition ； tri-phone ； search algorithm ； viterbi beam search

參考文獻

【2】 大字彙中文連續語音辨識之聲學模型及特徵正規化 朱忠玲

【24】 MATBN: A Mandarin Chinese Broadcast News Corpus H.-M. Wang, B. Chen, J.-W. Kuo, and S.-S Cheng Interational Journal of Computational Linguistics and Chinese Language Processing, 2005

【16】 PAT-Tree-Based Keyword Extraction for Chinese Information Retrieval Lee-Feng Chien

【18】 A Speech Recognition Method with A Language-Independent Intermediate Phonetic Codes. Kazuyo TANAKA. And Hiroaki KOJIMA. ICSLP vol. IV pp-191-194, 2000

【1】 DSP history - Understanding Speech: An Interview with John Makhoul. IEEE Signal Processing Magazine p.76-79, May 2005