流利國語語音之聲調辨識及其在大字彙辨識上的應用

Tone Recognition for Fluent Mandarin Speech and Its application on Large Vocabulary Recognition

林婉怡(Wan-Yi Lin)

指導教授 ： 李琳山

國立臺灣大學/電機資訊學院/電信工程學研究所/碩士(2004年)

https://doi.org/10.6342/NTU.2004.10307

摘要

摘要
中文以聲調區分字義，因而聲調辨識對於中文語音辨識是一個很重要的問題。但是在不同的音段中聲調的特徵有很大的變異，以致於聲調辨識率難以提昇。因此本論文的目標是建立一個能夠處理聲調特性的變異的國語聲調辨識系統，進而和大字彙中文語音辨識系統結合，以期增進辨識率。本論文以大陸口音的語音廣播新聞語料為實驗素材。
本論文主要分為四個部分，第一部份是針對大字彙中文語音辨識、聲調辨識、以及基頻抽取做一個全面的介紹。第二部分在抽取強健且可信賴的基頻，以作為聲調辨識一個重要的特徵參數。
第三部分是針對音高輪廓受到上下文影響，提出新的音節間特徵參數。而除了上下文之外其他造成聲調特性的變異的因素不易分析，所以也以分群的方法來建立聲調特性的變異模型，再使用聲調雙連模型拓展會影響目前音節的音節數目。藉由這些方法，來協助解決聲調特性的變異的問題。
第四部分是將聲調辨識與大字彙中文語音辨識結合，建立一個在聲學模型辨識時就有區分聲調的系統，實驗顯示辨識率可以獲得一定程度的提升。

關鍵字

辨識 ； 聲調 ； 語音

並列摘要

無資料

並列關鍵字

recognition ； speech ； tone

參考文獻

[1] S. B. Davis & P. Mermelstein, “Comparison of Parametric Representations for Monosyllabic Word Recognition in Continuously Spoken Sentences”, IEEE Trans. Acoustics Speech and Signal Processing, ASSP – 28 (4) : p.p. 357 – 366, August, 1980

[3] T. Lee, P.-C. Ching, L.-W. Chan, Y.-H. Cheng, and B. Mak “Tone recognition of isolated Cantonese syllables,” IEEE Tras. Acous Speech Audio Processing, Volume: 3 Issue: 3 , May 1995, pp. 204 -209

[4] S. H. Chen and Y. R.Wang, “Vector Quantization of Pitch Information in Mandarin Speech,” IEEE Transactions on Communications, Vol.38, pp. 1317-1320, 1990.

[6] J. S. Zhang and K. Hirose, “Tone Recognition of Chinese Continuous Speech Using Tone Critical Segments”, Eurospeech, Budapest, Hungary, Sept. 1999, pp.879-882.

[7] Wang, C. and S. Seneff,”Robust pitch Tracking For Prosodic Modeling Of Telephone Speech”, ICASSP 2000