聲學(xué)建模中若干問(wèn)題的研究.pdf

1、在信息爆炸并且更多的信息是通過(guò)音頻視頻作為載體來(lái)進(jìn)行傳播的年代，如何快速、高效的把相關(guān)的信息分類(lèi)，并且從中找出我們需要的部分就成為現(xiàn)實(shí)生活中需要面對(duì)的事情，這也是連續(xù)語(yǔ)音識(shí)別的發(fā)展趨勢(shì)。 廣播語(yǔ)音由于具有復(fù)雜背景環(huán)境和非特定人等特點(diǎn)，再加上近乎于海量的數(shù)據(jù)，使得人工分類(lèi)和標(biāo)注變得越來(lái)越不可行。我們需要系統(tǒng)能夠通過(guò)前期少量的未標(biāo)注或者部分標(biāo)注的數(shù)據(jù)來(lái)選擇其他更有用的數(shù)據(jù)，用來(lái)提高聲學(xué)模型的識(shí)別率，以此減少人工標(biāo)注和使用全部數(shù)據(jù)所帶

2、來(lái)時(shí)間和精力上的浪費(fèi)。本文通過(guò)對(duì)廣播語(yǔ)音數(shù)據(jù)特點(diǎn)的分析，選擇適當(dāng)?shù)囊?guī)則建立廣播語(yǔ)音庫(kù)，以及建立相應(yīng)的廣播語(yǔ)音標(biāo)注系統(tǒng)。同時(shí)通過(guò)設(shè)計(jì)主動(dòng)學(xué)習(xí)算法，搭建主動(dòng)學(xué)習(xí)系統(tǒng)，通過(guò)對(duì)于初始樣本隨機(jī)選擇和K-L距離選擇的比較，以及其他訓(xùn)練樣本中隨機(jī)選擇，最大似然（MLE）和后驗(yàn)概率的實(shí)驗(yàn)比較中，得出使用K-L距離選擇初始樣本，并且用基于混淆網(wǎng)絡(luò)的后驗(yàn)概率選擇相應(yīng)的樣本可以大大節(jié)省標(biāo)注量，提高系統(tǒng)效率。此外，本文還進(jìn)行了聲韻母基元模型和音素基元模型對(duì)于連