连续语音识别

摘要： 语音同步识别系统的发展方向是连续性的人机交互,采用传统系统易受到突发性噪声影响,致使识别效果较差,提出基于隐马尔可夫模型的连续语音同步识别系统.结合语音识别原理,设计系统硬件总体结构.利用JFET输入高保真运放的OPA604低通滤波器,保证信号处理结果的有效性.通过OMAP5912ZZG型号芯片对处理后的信号进行存储,使用矢量图缓冲音频,经由以太网接口移植相关语音识别序列,由此实现连续语音同步识别.由实验对比结果可知,该系统比传统系统识别效果最高值高出48％,推进了语音识别技术研究的快速发展.

摘要： 基于从深度神经网络提取的瓶颈特征具有语音长时相关性和紧凑表示的特点,将瓶颈特征及其与MFCC的复合特征用于藏语连续语音识别任务中,可以代替传统的MFCC特征进行GMM-HMM声学建模。在藏语拉萨话连续语音识别任务中的实验表明,瓶颈特征的复合特征取得比深度神经网络后验特征和单瓶颈特征更好的识别表现。

摘要： 作为一种基于深层神经网络提取的低维特征,瓶颈特征在连续语音识别中取得了很大的成功.然而训练瓶颈结构的深层神经网络时,瓶颈层的存在会降低网络输出层的帧准确率,进而反过来影响该特征的性能.针对这一问题,本文基于非负矩阵分解算法,提出一种利用不包含瓶颈层的深层神经网络提取低维特征的方法.该方法利用半非负矩阵分解和凸非负矩阵分解算法对隐含层权值矩阵分解得到基矩阵,将其作为新的特征层权值矩阵,然后在该层不设置偏移向量的情况下,通过数据前向传播提取新型特征.实验表明,该特征具有较为稳定的规律,且适用于不同的识别任务和网络结构.当使用训练数据充足的语料进行实验时,该特征表现出同瓶颈特征几乎相同的识别性能;而在低资源环境下,基于该特征识别系统的识别率明显优于深层神经网络混合识别系统和瓶颈特征识别系统.%As a type of deep neural network (DNN) based low-dimensional feature,bottleneck feature (BNF) has achieved great success in continuous speech recognition.However,the existing of bottleneck layer reduces the frame accuracy of output layer when training a bottleneck deep neural network (BNDNN),which in return has a bad impact on the performance of bottleneck feature.To solve this problem,a nonnegative matrix factorization based low-dimensional feature extraction approach using DNN without bottleneck layer is proposed in this paper.Specifically,semi-nonnegative matrix factorization and convex-nonnegative matrix factorization algorithms are applied to hidden-layer weights matrix to obtain a basis matrix as the new feature-layer weights matrix,and a new type of feature is extracted by forward passing input data without setting a bias vector in the new feature-layer.Experiments show that the feature has a relatively stable pattern around different tasks and network structures.For corpus with enough training data,the proposed features have almost the same recognition performance with conventional bottleneck feature.Under low-resource environment,the recognition accuracy of the new feature-tandem system outperforms both DNN hybrid system and bottleneck-tandem system obviously.

摘要： 该文根据贵州黔东南少数民族地区苗族语言发音特点,对苗语连续语音识别系统进行研究,并尝试采用Sphinx工具应用HMM方法,对苗语连续语音识别系统进行初步设计和识别测试.

摘要： 新生报到季,某校刚刚入学的新同学没有像以往一样领到厚厚的一本新生指南,取而代之的是一个叫“新生助手”的小盒子或者手机“小马甲”。在这个陌生的环境下,这个“新生助手”就成为了同学们融入校园生活最可靠的伙伴了。

摘要： In order to improve the speech recognition rate,a Bottleneck feature extraction method based on deep belief net-work is proposed.The unsupervised pre-training stacking restricted Boltzmann machine is used to obtain network initializa-tion parameters by using the contrastive divergence algorithm.And then the back propagation algorithm is adopted,the frame level cross entropy is maximized as the training criterion,the inverse iteration is used to fine tune the network parame-ters.The context dependent triphone model is adopted to get the better features.The phone error rate is used to evaluate the performance of the system.Experimental results show that the Bottleneck feature is better than the traditional features.%为了提升连续语音识别系统的识别率，提出一种基于深度信念网络的 Bottleneck 特征提取方法。该方法使用对比散度算法，采用无监督的预训练堆叠限制玻尔兹曼机得到网络初始化参数，进而采用反向传播算法，以最大化帧级交叉熵作为训练准则，反向迭代对网络参数进行微调。采用上下文相关的三音素模型，以音素错误率大小作为评价系统性能的准则。实验结果表明，所提出的基于深度信念网络提取的Bottleneck特征相对于传统特征更具优越性。

摘要： 针对语音识别在实际环境中缺乏稳健性的问题,提出了将调制域谱减法应用于语音识别前端的方法.先将语音信号变换到调制域,在调制域用谱减法将信号增强,在减少语音畸变的基础上提高信噪比,然后再进行识别.仿真实验表明,调制域谱减法能在较大的信噪比区间内提高系统识别率,证明此方法能显著提高语音识别系统的抗噪声能力.

摘要： 通过分析MRCPv2协议在语音识别中的典型应用,发现其在实时连续语音识别应用场景中的不足,通过扩展MRCPv2协议解决识别模式区分以及识别内容实时连续上报问题,为电信客服领域辅助语音识别的应用打下基础.

摘要： 大词汇量连续语音识别系统中,为了增强现有声学模型的表征能力、防止模型过拟合,提出一种基于遗失策略(Dropout)修正线性深度置信网络的声学模型构建方法。该方法使用修正线性函数代替传统Logistic函数进行深度置信网络训练,修正线性函数更接近生物神经网络的工作方式,增强了模型的表征能力;同时引入Dropout策略对修正线性深度置信网络进行调整,避免节点之间的协同作用,防止网络出现过拟合。文章利用公开语音数据集进行了实验,实验结果证明了所提出的声学模型构建方法相对于传统方法的优越性。

摘要： 针对大词汇量连续语音识别中识别率不高的问题,提出了将语音增强级联在识别系统前端,在语音增强中将谱减法和对数最小均方误差算法(logmmse)与用于噪声估计的最小控制递归平均算法(imcra)相结合.识别系统使用Mel频率倒谱系数(MFCC)提取特征,用隐马尔科夫模型(HMM)训练与识别.实验结果表明,该方法最高能使单词识别率提高38.9％,使句子正确率提高21.8％.该方法用于大词汇量连续语音识别是可行有效的.

摘要： 本文首先介绍了连续语音识别系统的基本组成及HTK工具箱的原理与应用,然后利用HTK工具箱搭建了一个连续语音识别系统,并在TIMIT—一个非特定人的大词汇量连续语音数据库上进行了实验.在实验的过程中,讨论了如何选择不同的语言模型,如何选择不同的声学模型进行建模,并且对模型的高斯混合度等参数进行了一系列的改进.通过实验,可知语言模型选择统计语言模型,声学单元选择三音素进行建模及模型的混合高斯度适当增加,都会提高连续语音识别的识别率.

摘要： 维吾尔语是黏着性语言,利用丰富的词缀可以用同样的词干产生超大词汇,给维吾尔语语音识别的研究工作带来了很大困难。在语音识别领域,维吾尔语是研究较少的语言,为此研究维吾尔语语音识别的第一步就是建立语音语料库。用于录制语音数据的文本来自新疆日报、维吾尔文网站、维吾尔文小说等多种媒体,选择的领域广,基本上覆盖了维吾尔语的所有语言现象。本文围绕维吾尔语大词汇量连续语音识别研究中的关键技术,重点阐述适用于大词汇量连续语音识别的维吾尔语语音语料库的设计思路和建立过程。

摘要： 当前连续语音识别中使用的主流技术是HMM（Hidden Markov Model），但是它在非特定人大词汇量连续语音识别中的表现不能令人满意，其根本原因在于HMM 本身的若干性质与语音信号的发音情况不符合。本文首先分析了传统HMM 的理论缺陷，介绍了基于段长的非齐次HMM模型（DDBHMM）的基本理论及其算法，并在此基础上引入了三音子改善了识别性能。非特定人大词汇量连续语音识别的实验表明，采用三音子DDBHMM可以使得识别率提高5.73％。

摘要： 基于深度神经网络(DNN)和递归神经网络(RNN)的语言模型(LM)在超大规模词汇量连续语音识别(ULVCSR)应用中极大的提高了识别性能.这类方法沉重的计算负担,却成为在实际产品应用中的障碍.其原因主要是ULVCSR的词表极大,导致DNN/RNN LM中归一化因子的计算量巨大,本文研究了一系列减少归一化因子计算量的方法.实验表明,本文所探讨的方法均可极大降低计算量,其中自归一化方法可以减少多达99.6％的计算量,同时几乎对识别精度不产生影响.

摘要： 本文报告近年来新疆维吾尔自治区多语种技术重点实验室以维-哈-蒙等语言为研究对象开展的语音技术研究工作。科研项目有:电话语音说话人识别;连续语音识别及语音翻译技术等。经初步测试,基于GMM_UBM&SVM的维吾尔语自由式发话电话语音(目标人数50名)说话人识别率为94.34%;基于HTK-Julius的维吾尔语(训练语音集7.2少时)及蒙古语(训练集13少时)连续语音识别率分别为72.4和87.6%;基于ATR/NICT统计翻译技术的蒙-日语音-文本翻译系统获得0,4的Blue值。

摘要： 方言背景普通话语音识别研究是汉语连续语音识别研究的热点之一.本文根据云南人说普通话时受地方方言及当地民族口音影响的语言使用现状，研制云南曲靖口音汉语普通话语音数据库，并在其基础上研究云南口音汉语普通话语音识别，采用声学模型自适应技术提高识别率.本文是汉语语音识别用户多样性研究的重要补充。

摘要： 本文讨论在语音识别系统中,语言模型是其中不可或缺的,以先验概率的形式发挥重要作用.而在大词汇量非特定人的连续语音识别中,又以基于统计的语言模型应用最为广泛.研究首先讨论基于词的语言模型和基于词类的语言模型的统计计算方法,然后针对互联网上的新闻、科技、小说等题材的语料使用HTK语言模型工具采用以上两种方法构建一个面向语音识别的语言模型.实验结果表明,该语言模型比单独的基于词的和基于词类的语言模型有更高的性能。

摘要： 提出了一种基于仿生模式识别理论的非特定人连续语音关键词识别的新算法.该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类关键词训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小和数目来判断有多少关键词.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性。

摘要： 提出了一种基于仿生模式识别理论的非特定人连续语音关键词识别的新算法.该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类关键词训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小和数目来判断有多少关键词.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性。

摘要： 提出了一种基于仿生模式识别理论的非特定人连续语音关键词识别的新算法.该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类关键词训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小和数目来判断有多少关键词.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性。

摘要： 本发明属于语音识别技术领域，公开了一种高精度连续语音识别的声学模型训练方法，包括如下步骤：步骤1.准备训练语料并提取语音特征；步骤2：计算声学模型；步骤3.声学模型初始化，步骤4.根据步骤4确定的训练迭代次数对步骤4的初始化声学模型进行迭代，步骤5.训练结束后选择合并前N个解码正确率最高的声学模型，对声学模型参数做平均并合并为最终声学模型。本发明优化了语音模型识别序列表达式，通过预先解码确定正确标注文本的同时，调整模型参数，尽可能减少容易混淆的正确结果和错误结果的整体差异性，提高了声学模型参数的解码精度。

摘要： 本发明公开了连续语音识别方法、装置、设备和存储介质。通过将待识别连续语音的当前帧进行预处理得到语音转换数据；根据语音转换数据在连续语音识别结构中进行前向搜索，生成当前帧的状态节点路径信息，其中，连续语音识别结构包括加权有限状态转换器WFST和语义结束状态节点；若状态节点路径信息中包括语义结束状态节点，则将状态节点路径信息中语义结束状态节点对应的搜索路径按照路径累积代价进行排序；根据按照路径累积代价进行排序的结果，取出路径累积代价最小的搜索路径作为最佳搜索路径，并输出最佳搜索路径的搜索结果，达到结构改造简单和搜索效率高的技术效果。

摘要： 本发明公开了一种连续语音识别方法及系统，该方法包括：预先训练语音去噪与声学分类相融合的神经网络；接收待识别的连续语音信号；提取所述语音信号的声学特征；根据所述声学特征和所述神经网络得到语音建模单元的后验概率；对所述语音信号连续语音段的所有帧语音的建模单元后验概率进行维特比解码，得到语音识别结果。利用本发明，可以提高连续语音识别结果的正确率。

摘要： 本发明公开了一种蒙古语大词汇量连续语音识别的方法，由预处理阶段、准备阶段、训练阶段、解码阶段及合成转换阶段组成；预处理阶段是对文本训练语料的切分，并建立发音词典；准备阶段是对输入的语音信号提取声学特征；训练阶段是利用整词发音词典训练声学模型、利用切分后的训练文本训练语言模型；解码阶段是利用声学模型、语言模型和发音词典，将输入的声学特征识别成文本信息；合成转换阶段是利用规则纠正解码过程中的格后缀错误并将词干与格后缀合并，最终输出由蒙古文单词组成的句子。解决了现有技术中语音识别系统无法包含大规模蒙古语单词，由单词量过大导致语音识别的时间过长，语音识别系统中语言模型数据稀疏的问题。

摘要： 一种语音指令范围动态变化的连续语音识别方法，（1）输入语音指令集，并按规则将语音指令集分组，分别构建解码网络；（2）输入语音，提取声学特征，基于解码网络进行解码，在解码的同时允许根据当前的运行情况动态地增删解码网络；（3）判断接收到的语音是否为有效语音，并给出反馈是否为有效反馈；（4）依据命令做出相应的操作；（5）是否仍有语音输入，若是转入（2），否则结束。本发明允许用户连续输入语音，且允许系统在识别过程中依据系统运行状态动态地增加和删除语音指令，实时调整解码网络并参与解码，在提高识别效率的同时，也大大的改善了识别的准确性。

摘要： 一种连续语音识别的特征缩减方法，包括如下步骤：步骤1.准备训练集，计算语音特征维度均值；步骤2.使用倒谱均值归一化在单一语音样本的特征上减去倒谱系数特征的均值，剔除离群数据；步骤3.在剔除离散特征分布的数据后，使用全局特征均值仿射变换缩放均值的方法对训练集全部训练样本的语音数据特征做提取；步骤4.进行计算特征归一化处理，替换训练样本中的特征帧，得到缩减特征后的训练集。本发明通过减少特征的表征方面提出特征缩减的训练方法。针对于大数据量的声学模型训练,提升识别效果，降低误识别并减少了训练时间。

摘要： 本发明属于语音识别技术领域，公开了一种高精度连续语音识别的声学模型训练方法，包括如下步骤：步骤1.准备训练语料并提取语音特征；步骤2：计算声学模型；步骤3.声学模型初始化，步骤4.根据步骤4确定的训练迭代次数对步骤4的初始化声学模型进行迭代，步骤5.训练结束后选择合并前N个解码正确率最高的声学模型，对声学模型参数做平均并合并为最终声学模型。本发明优化了语音模型识别序列表达式，通过预先解码确定正确标注文本的同时，调整模型参数，尽可能减少容易混淆的正确结果和错误结果的整体差异性，提高了声学模型参数的解码精度。

摘要： 一种连续语音识别系统，属于语音识别设备领域，是主要由录音设备、预处理模块、特征提取模块、模式匹配模块、输出模块、参考模型库和学习训练模块组成的，其特征在于：所述录音设备与预处理模块连接，特征提取模块设置在预处理模块的输入端，并与模式匹配模块连接，模式匹配模块与输出模块连接，特征提取模块设置在学习训练模块的输入端，学习训练模块与参考模型库连接，本发明可确保通信效率、局限性和准确性上有着显著的优势，可以实现连续语音识别功能。

摘要： 本发明涉及语音识别技术领域，具体涉及一种连续语音识别方法及系统，连续语音识别系统，包括语音信息处理模块和语音解析模块，语音信息处理模块用于将用户断断续续输入的语音信息在时间列表上按照语音信息采集时间先后排列成语音序列，然后将用户挺短部分对应的语音序列进行剪辑，将剪辑后的语音信息组合成连续的语音信息发送给语音解析模块进行语音识别和解析。本方案不仅适合能进行连续说话的用户使用，也适合无法进行连续说话的用户使用。

摘要： 本实用新型公开了一种连续语音识别用装置，包括装置本体，所述装置本体的正面设有语音识别区域，还包括：位于语音识别区域的多个语音孔，以使语音孔内壁与外界隔离的内嵌组件，所述内嵌组件包括：位于所述语音孔正面的平块、位于所述平块背面的延伸块，所述延伸块可相对移动地插入语音孔中，以使其外侧面与语音孔的内壁相贴合，所述平块、延伸块的中部均为自上而下的贯穿结构，且平块、延伸块的中部形成一个与语音孔连通的通孔，设置的延伸块相对移动地插入语音孔中时，其外侧面与语音孔的内壁相贴合，使得语音孔内壁不直接与外界接触，以使语音孔内壁与外界隔离，外界的灰尘不会粘附在语音孔内壁。