说话人

摘要： 剖析了隐喻话语的主观性内涵,建构了认知隐喻理论视域下隐喻话语的主观性分析框架。依此框架,从说话人的视角、情感和认识三个方面分析了隐喻话语的主观性,挖掘了隐喻话语体现的情感、态度及观点等。通过对语言表意功能的深入研究,达到促进人们沟通与交流的目的。

摘要： 剖析了隐喻话语的主观性内涵,建构了认知隐喻理论视域下隐喻话语的主观性分析框架.依此框架,从说话人的视角、情感和认识三个方面分析了隐喻话语的主观性,挖掘了隐喻话语体现的情感、态度及观点等.通过对语言表意功能的深入研究,达到促进人们沟通与交流的目的.

摘要： 本文通过对达旗话21祈使句末助词"来"进行分析,提出句法上存在编码心理空间体(psychological aspect)的投射,它与时间维度的体(temporal aspect)投射、空间维度的体(spatial aspect)投射(Hu,forthcoming)等,都是Wiltschko(2014)所提出的感知事件的视角(Point of View)在语言中的不同实现方式。本文提出达旗话"来"正是一个心理空间体标记,表示事件在心理上趋近于说话人,即将说话人纳入v P所指事件域中,要求v P在句法上为核查[+involve-1st]特征提供可能,解释了"来"字祈使句的一系列特殊表现,如:隐含主语只能理解为"咱"、无状语时第二人称代词作主语不合法等。

摘要： 在俄语言语交际中说话人通常使用人称指示语“我”来实现自我指示,但是,说话人作为意识主体出于一定的交际意向和语用规则等因素,在自我指示时有时会选取其他非我形式.研究表明:俄语现实语境中说话人的自我指示具有多种人称表现形式,从而形成表征交际意向的语用体系,说话人在自我指示时采用非我的人称形式可以起到特殊的语用效果.此外,本文还简要总结了俄语中自我指示人称代词的汉译问题.

摘要： 话语标记又称话语连接语,是口语和书面语中常用的一种话语成分,在互动性话语交际中对于语篇的构建和语言的理解有着较强的解释功能,具有重要的作用,因此也成为话语分析和语用学研究的一个重点。''甭看''是沧州方言中的一个话语标记,在日常的口语交际中经常被使用。''甭看''作为方言口语中的话语标记,在语言交际中具有强化重要信息的功能和提醒的功能。能够使人们进行话语交流使重要的关键信息得到接收和重视。

摘要： 要点梳理情态动词表示说话人的语气或情态,常带有一定的感情色彩。must、can、may、could、might等情态动词可用来表示推测。一、表示肯定性推测1.must用于肯定句,表示有依据、有把握的推测,意为“准是;一定”,后接be动词。must一般表示对目前或将来情况的推测,并且上下文往往含有推测的根据。

摘要： 写提示语,最要紧的,是要对所说内容有所了解,要紧扣内容想象说话人的心理、神态、动作,这些前提条件,在上课时已经得到落实,学生已经走进了文本。只要展开一定的想象,再组织语言,就可以了。因为不是第一次练习写提示语,学生们指导,如果只是写“高兴地说”“难过地说”之类的,潘老师肯定是不满意的。所以,当任务提出来时,教室里很安静,大家或皱眉凝思,或奋笔疾书,或托腮构思。不久,一双双小手举起。

摘要： 说话人年龄分类是语音处理中一个极具挑战性的任务,其关键在于如何提取具有判别性和鲁棒性的特征去构建分类器.近年来以DNN为代表的深度学习技术在语音识别等任务上的成功应用促使尝试使用神经网络去改进年龄分类系统.本文提出使用DNN提取Bottleneck特征去构建年龄分类系统的方法,同时结合Bottleneck特征和原始声学特征进行i-vector建模.在aGender语料库上的实验结果表明,该系统的总体分类正确率达到56.11％,比仅使用传统声学特征的系统相对提高18％.同时,随着BN特征维数的增加,整体分类正确率也会有进一步提高.

摘要： 提出了一种复杂场景下基于MFCC与基频特征贡献度的说话人性别识别方法.该方法有效融合了基于Mel频率倒谱系数的模板匹配方法和基音频率判别方法.实验语音数据库包括5 000个孤立词语音和1 260个带情感的语音.在安静环境下说话人的性别识别率可以达到98.88％,在信噪比为10 dB的babble噪声下通过谱减法降噪后的识别率为90.2％.实验表明:说话人情绪对性别识别的影响较大,尤其是男声.

摘要： 说话人分割聚类是近几年新兴起的语音信号处理研究方向,它主要研究如何确定连续语流中多说话人起止时间的位置,并标出每个语音段对应的说话人.这项研究对自动语音识别、多说话人识别和基于内容的音频分析等都具有重要的意义.根据说话人分割和聚类实现过程不同,本文从异步策略和同步策略的角度回顾了十年来国内外研究的主流算法、技术和代表系统,对比了不同代表系统在近几年NIST富信息转写评测的结果,最后讨论了目前还存在的问题,并对未来的发展进行了展望.

摘要： 针对噪声环境下说话人识别率低的问题,提出一种基于α-GMM聚类和SVM的说话人确认算法.首先计算每位注册话者的α-GMM模型,并计算模型间的α散度,以该散度设计聚类算法,对话者的α-GMM模型进行聚类,得到各个类别的聚类中心模型用于训练SVM,进而得到最终识别结果.仿真实验结果表明,该算法相比于传统GMM和SVM具有更高的识别性能和良好的鲁棒性.

摘要： 在基于总变化因子i-vector的说话人识别中,应用概率线性鉴别分析(PLDA)可以极大地提高性能。然而,PLDA假设的高斯分布并不能准确地描述i-vector,通过将高斯分布替换成重尾分布,性能会获得能进一步提高。另外,通过对i-vector进行长度规整或方差谱规整,得到的i-vector服从高斯分布,也可达到同等的性能,同时规避了重尾分布下计算量过大这一问题。

摘要： 使用一种不需要精确的声门关闭期间(GCI)信息便可求出声门波的方法,该方法通过在一个基音同步帧中搜索到一个最平滑的线性预测分析逆滤波的残差信号,从而得到一个没有激励影响的声道参数,间接的获得了GCI,因而可以获得比较精确的声门波导数波形.在此基础上提出了一种基于勒让德正交多项式的声门波导数参数提取方法,将声门波导数波形的n维勒让德正交空间的坐标组成一个特征矢量作相应转换,此方法去除了特征矢量中各维参数间的相关性,并且矢量间的欧氏距离表示了声门波导数波形间的相似度,因而聚类及其转换效果要优于多项式特征参数.在微软语音库上作的相关一系列对比实验表明,相对于多项式拟合系数特征参数基于VQ码本映射方法的基准系统,本文提出的方法的帧平均互相关系数提高了11.92%.

摘要： 本文通过分析语音特征参数的特点和说话人识别的基本方法,提出了以线性预测倒谱为特征,通过动态时间规整算法来识别的文本相关的说话人系统.从语音信号的预处理开始分析,对语音信号进行了端点检测,滤除了语音信号的无声段,为语音特征参数的提取了有用的语音段.之后应用全极点模型,提取语音信号的线性预测系数,并推导出其倒谱系数,获得线性预测倒谱差分,描述说话人声道的动态变化.

摘要： 20世纪50年代《汉语拼音方案》公布以来，内蒙古集宁地区形成一种广泛使用的地方普通话，其形成和发展经历了三个阶段：第一阶段：读书音阶段；第二阶段：普通话和方言兼用阶段；第三阶段：放弃方言，转用方言普通话的阶段。汉语拼音方案在推广普通话的过程中起着举足轻重的作用。但是标准普通话的习得主要还要依赖于说话人的语言环境。

摘要： 该文提出了说话人辨识的一种失真测度的新算法：特征分布失真测度。这种失真测度比传统的欧氏距离失真测度性能优越，人计算量上考虑，特征分布失真测度也小一些。另外还提出了一种新的码本训练算法：基于特征矢量序列修正的自学习分类决策算法。该算法是一种启发式的码本训练过程，对任意选择的一组特征矢量有最小错分率。

摘要： 本发明公开一种支持多唤醒词的说话人识别方法，其包括构建用于说话人识别的神经网络模型，并对构建的神经网络模型进行训练；对注册音频，利用训练好的神经网络模型的主干部分提取出其对应的中间表示存储；在获取到实时音频数据时，通过训练好的神经网络模型提取出实时音频数据的中间表示，并将其与注册音频的中间表示进行对比，以确定实时音频的说话人与注册音频是否相同。根据本发明公开的方案不但能够实现支持多唤醒词的说话人识别，而且能够避免针对不同的唤醒词均收集很多训练数据的限制，同时也避免了训练和存储多个模型的弊端，实现多个唤醒词共用一个神经网络模型进行准确的说话人识别，降低了多个特定唤醒词说话人识别系统的实现成本。

摘要： 本发明公开了一种说话人确认方法和说话人确认设备。该说话人确认方法用于验证是否由特定说话人进行特定发言，该方法包括：从输入语音中提取与任何文本内容无关的说话人特征，并将所提取的说话人特征与所存储的特定说话人特征进行比较，以确定是否是特定说话人在说话；基于输入语音帧序列的频域特征，从输入语音帧序列中提取分别与彼此不同文本内容对应的多个模板构成的模板串；以及将所得到的模板串与所存储的特定说话人的特定内容模板串进行比较，以确定是否进行了特定发言。

摘要： 本发明公开一种说话人识别网络模型训练方法，包括：从训练数据集中获取第i话语三元组并将第i话语三元组输入至卷积神经网络，卷积神经网络对第i话语三元组进行特征提取得到第i话语特征三元组并输入至线性神经网络；将预先获取的第一说话人的第一身份向量信息和第二说话人的第二身份向量信息输入至线性神经网络进行融合处理，以得到融合后的第i话语特征三元组；根据融合后的第i话语特征三元组计算三元组损失，以调整所述网络模型。本发明实施例得到的说话人识别网络模型能够更加准确的实现说话人的识别功能，具有最低的等错误率。

摘要： 一种说话人分离模型训练方法，包括：获取多个音频数据并进行预处理；提取预处理后的音频数据的音频特征；将音频特征输入至预设神经网络模型中进行训练得到矢量特征；计算第一说话人的第一矢量特征与第二矢量特征之间的第一相似度；计算第一说话人的第一矢量特征与第二说话人的第三矢量特征之间的第二相似度；计算第一相似度及第二相似度的损失函数值，当损失函数值小于或等于预设损失函数阈值时，结束说话人分离模型的训练过程，并更新模型中的参数。本发明还提供一种两说话人分离方法、终端及存储介质。能够显著的增强模型对输入的语音数据的特征提取能力，提高两说话人分离的准确率，尤其是在长时对话的分离任务中能取得更佳的分离效果。

摘要： 本发明公开了一种基于元音谱空间衰减率的异常说话人与正常说话人区分方法，包括以下步骤：对各元音语音样本进行预处理：预加重、加窗分帧；从每个元音语音样本提取梅尔频率倒谱系数特征；为异常说话人和正常说话人的每个元音构建一个高斯混合模型；将各元音高斯混合模型的均值向量拼接成一个行矢量，计算元音谱空间衰减率；如果说话人测试样本的所有元音谱空间衰减率均值小于设定的阈值，则该说话人为异常说话人，否则为正常说话人。本发明利用异常说话人与正常说话人的元音谱空间分布特性差异，在特征层面区分异常说话人与正常说话人，无需构建复杂分类器，与传统区分方法相比，速度更快。

摘要： 本申请公开了一种说话人识别模型训练、说话人识别方法及装置，涉及智能家居技术领域，该说话人识别模型训练方法包括：获取样本语音集；样本语音集包括：多个用户对应的N个样本语音；对各样本语音进行声学特征提取，得到多个用户对应的N个初始样本语音声学特征；通过目标特征提取模型，对N个初始样本语音声学特征进行降维，得到多个用户对应的M个目标样本语音声学特征；M为小于N的且大于或等于2的整数；对M个目标样本语音声学特征进行聚类，获取聚类结果；聚类结果用于表征各目标样本语音声学特征所属用户；根据聚类结果，以及，样本语音集训练预设模型，得到说话人识别模型。本申请提高了说话人识别模型训练的效率。

摘要： 本发明公开了一种说话人分割模型的优化方法及装置，该方法包括：获取第一语音流数据和第二语音流数据，第一语音流数据与第一说话人对应，第二语音流数据与第二说话人对应；基于第一语音流数据，获得目标对比误差函数的第一误差函数项；第一误差函数项为最小化的对象；基于第一语音流数据和第二语音流数据，获得目标对比误差函数的第二误差函数项；第二误差函数项为最大化的对象；基于第一误差函数项和第二误差函数项，获得目标对比误差函数；基于目标对比误差函数，对原说话人分割模型的模型参数进行调整，获得目标说话人分割模型。本发明可以提高说话人分割点准确率。同时，本发明还公开了一种说话人分割方法及装置。

摘要： 说话人识别装置：获取识别对象语音数据；获取登记语音数据；在识别对象语音数据的说话人以及登记语音数据的说话人的任意其中之一的性别为男性的情况下，选择为了识别男性说话人而利用男性的语音数据进行了机器学习的第1说话人识别模型，在识别对象语音数据的说话人以及登记语音数据的说话人的任意其中之一的性别为女性的情况下，选择为了识别女性说话人而利用女性的语音数据进行了机器学习的第2说话人识别模型；以及，通过将识别对象语音数据的特征量和登记语音数据的特征量输入到所选择的第1说话人识别模型以及第2说话人识别模型的任意其中之一，从而对识别对象语音数据的说话人进行识别。

摘要： 本申请公开了一种源说话人到目标说话人的声音转换方法及装置，该方法包括：在获取源说话人或目标说话人的语音数据后，提取每一语音帧中的浊音所对应的内容特征数据与声学特征数据，存储为说话人的一个特征向量，根据浊音的内容特征数据判断浊音内容，按照浊音内容和说话人类型将所有特征向量分类存储，并利用分类存储后的特征向量得到基于不同浊音的源说话人到目标说话人的声学特征转换参数，然后，接收待转换语音数据，判断每一帧待转换语音中的浊音内容，选取相应的声学转换参数对待转换的语音帧进行多线程并行的语音转换。利用本申请实施例，可以细化浊音的区分并简化声音转换的准备工作，令使用者可以在较短时间内得到品质较高的转换语音。

摘要： 本发明公开一种支持多唤醒词的说话人识别方法，其包括构建用于说话人识别的神经网络模型，并对构建的神经网络模型进行训练；对注册音频，利用训练好的神经网络模型的主干部分提取出其对应的中间表示存储；在获取到实时音频数据时，通过训练好的神经网络模型提取出实时音频数据的中间表示，并将其与注册音频的中间表示进行对比，以确定实时音频的说话人与注册音频是否相同。根据本发明公开的方案不但能够实现支持多唤醒词的说话人识别，而且能够避免针对不同的唤醒词均收集很多训练数据的限制，同时也避免了训练和存储多个模型的弊端，实现多个唤醒词共用一个神经网络模型进行准确的说话人识别，降低了多个特定唤醒词说话人识别系统的实现成本。