中文连续语音识别系统音素建模单元集的构建

建模单元集的构建是连续语音识别中声学建模 需要面临的首要问题之一 ， 它的合理与否将会直接 影响到识 别 系 统 最 终 的 性 能。 通 常 情 况 下， 构建
１］ ： 恰当的建模单元集需要 遵 守 以 下 几 点［ １）代 表
性， 即在不 同 的 上 下 文 中 都 要 具 备 准 确 而 有 代 表 性的描述 力； 即有足够的数据用来 ２）可 训 练 性 ， 可靠地估 计 出 建 模 单 元 的 参 数； 即利 ３）推 广 性 ， 用预先 定 义 的 建 模 单 元 能 够 比 较 容 易 地 表 达 出 新词。 过去的几十年里 ， 在中文语音识别系统中 ， 研究 人员分别考虑用过 不 同 粒 度 的 建 模 单 元 ， 这其中包 、音 节 （ 、声 韵 母 （ ／ 括 ：词 （ ｗ ｏ ｒ ｄ） ｓ ｌ ｌ ａ ｂ ｌ ｅ） ｉ ｎ ｉ ｔ ｉ ａ ｌ ｙ ， 、音素 （ ） 等。 ｆ ｉ ｎ ａ ｌ Ｉ Ｆ） ｈ ｏ ｎ ｅ ｍ ｅ ｐ 以词或 者 音 节 为 粒 度 去 构 建 建 模 单 元 集， 往 往会造成 建 模 单 元 数 目 过 于 庞 大， 从而出现训练 导致模型参数得不到充分而准 数据稀疏 的 问 题， 确的估计， 而且还会使解码的搜索空间 增 大， 大大 因此一般只适合用在一些小词汇 降低解码 效 率， 量的中文识别 系 统 （ 如命令词或者数字串识别系 统） 中。
］ ２ ３ － ， 以声韵母构建建模单元集 ［ 在一定程度上反
Ｐ ｈ ｏ ｎ ｅ ｍ ｅ ｍ ｏ ｄ ｅ ｌ ｉ ｎ ｕ ｎ ｉ ｔ ｓ ｄ ｅ ｓ ｉ ｎ ｆ ｏ ｒ ｇ ｇ Ｍ ａ ｎ ｄ ａ ｒ ｉ ｎ Ｌ Ｖ Ｃ Ｓ Ｒ ｓ ｓ ｔ ｅ ｍ ｓ ｙ
１， ２， ２， ３， Ｂ Ａ Ｏ Ｙ ｅ ｂ ｏ Ｈ Ｕ Ｙ ｕ Ｌ Ｉ Ｕ Ｃ ｏ ｎ Ｊ Ｉ Ａ Ｎ Ｇ Ｈ ｕ ｉ ｇ １， １， ２ Ｄ Ａ Ｉ Ｌ ｉ ｒ ｏ ｎ Ｉ Ｕ Ｑ ｉ ｎ ｆ ｅ ｎ ｇ Ｌ ｇ ｇ
摘 要 ：在识别系统中 ， 建模单元 能 够 勾 画 一 种 语 言 的 声 学 因此对系统性能起到至关重要的作 用 。 该 文 和语音学特性 ， 参照一些已在大词汇量连 续 语 音 识 别 系 统 （ 中取得 Ｌ Ｖ Ｃ Ｓ Ｒ） 构建了新的音素建模单元集（ 较好效果的建 模 单 元 集 ， Ｎ ｅ － ） 。 另外 ， 根据 Ｎ ｗ Ｐ Ｓ ｅ ｗ Ｐ Ｓ 中元音及其 变 体 对 前 后 接 音 素 协 同发音的影 响 ， 提出了基于扩展的元音三角图设计问题集 （ ） 的 方 法 。 实 验 表 明 ：Ｎ Ｎ ｅ ｗＱ Ｓ ｅ ｗ Ｐ Ｓ和 Ｎ ｅ ｗＱ Ｓ结合 的 识 并 且， 建模单元数 别性能超越了传统 的 声 韵 母 建 模 单 元 集 ； 目大幅度的减少给系统后续模块的处理带来了便利 。 关键词 ：大词汇量连 续 语 音 识 别 ；建 模 单 元 ；元 音 三 角 图 ； 问题集 ；主元音准则 中图分类号 ： ＴＮ ９ １ ２． ３ ４ （ ） 文章编号 ： １ ０ ０ ０ ０ ０ ５ ４ ２ ０ １ １ ０ ９ １ ２ ８ ８ ０ ５ － － － 文献标志码 ：Ａ
自然科学版 ） Ｉ Ｓ Ｓ Ｎ １ ０ ０ ０ ０ ０ ５ ４ 清华大学学报 （ ２ ０ １ １年 第５ １卷 第９期 － ／ ，２ Ｃ Ｎ １ １ ２ ２ ２ ３ Ｎ Ｊ Ｔ ｓ ｉ ｎ ｈ ｕ ａ Ｕ ｎ ｉ ｖ（ Ｓ ｃ ｉ ＆Ｔ ｅ ｃ ｈ） ０ １ １，Ｖ ｏ ｌ ． ５ １， Ｎ ｏ ． ９ － ｇ
／ ３ ３ ２ ７ ， １ ２ ８ ８ １ ２ ９ ２ １ ２ ９ ７ －
中文连续语音识别系统音素建模单元集的构建
２ ２ ３ １ １， ２ 包叶波１ ， 胡 郁 ， 刘 聪 ， 江 辉 ， 戴礼荣 ， 刘庆峰
（ １．中国科学技术大学 电子工程与信息科学系 ，合肥 ２ ３ ０ ０ ２ ７； ２．安徽科大讯飞信息科技股份有限公司 ，合肥 ２ ３ ０ ０ ８ ８； ３．约克大学 计算机科学与工程系 ，多伦多 Ｍ ３ Ｊ１ Ｐ ３，加拿大 ）
（ ， １． Ｄ ｅ ａ ｒ ｔ ｍ ｅ ｎ ｔ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅ ｎ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｐ ｇ ｇ ， ； Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｏ ｆ Ｃ ｈ ｉ ｎ ａ Ｈ ｅ ｆ ｅ ｉ ２ ３ ０ ０ ２ ７， Ｃ ｈ ｉ ｎ ａ ｙ ｇ ｙ ， ； ２． Ａ ｎ ｈ ｕ ｉ Ｕ Ｓ Ｔ Ｃ ｉ Ｆ Ｌ Ｙ Ｔ Ｅ Ｋ Ｃ ｏ ｍ ａ ｎ Ｌ ｔ ｄ Ｈ ｅ ｆ ｅ ｉ ２ ３ ０ ０ ８ ８， Ｃ ｈ ｉ ｎ ａ ｐ ｙ ， ３． Ｄ ｅ ａ ｒ ｔ ｍ ｅ ｎ ｔ ｏ ｆ Ｃ ｏ ｍ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｐ ｐ ｇ ｇ ， ） Ｙ ｏ ｒ ｋ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ Ｔ ｏ ｒ ｏ ｎ ｔ ｏ Ｍ ３ Ｊ１ Ｐ ３， Ｃ ａ ｎ ａ ｄ ａ ｙ ：Ｍ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｏ ｄ ｅ ｌ ｉ ｎ ｕ ｎ ｉ ｔ ｓ ｃ ａ ｎ ｂ ｅ ｕ ｓ ｅ ｄ ｔ ｏ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｔ ｈ ｅ ｓ ａ ｌ ｉ ｅ ｎ ｔ ａ ｃ ｏ ｕ ｓ ｔ ｉ ｃ ｇ ａ ｎ ｄ ｈ ｏ ｎ ｅ ｔ ｉ ｃ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ａ ｌ ａ ｎ ｕ ａ ｅ ｉ ｎ ｓ ｅ ｅ ｃ ｈ ｒ ｅ ｃ ｏ ｎ ｉ ｔ ｉ ｏ ｎ ｐ ｇ ｇ ｐ ｇ ， ｓ ｓ ｔ ｅ ｍ ｓ ． Ｔ ｈ ｕ ｓ ｔ ｈ ｅ ａ ｖ ｅ ｒ ｉ ｍ ｏ ｒ ｔ ａ ｎ ｔ ｒ ｏ ｌ ｅ ｉ ｎ ｔ ｈ ｅ ｓ ｓ ｔ ｅ ｍ． Ｔ ｈ ｉ ｓ ｌ ａ ｙ ｙ ｙ ｐ ｙ ｐ ｙ ，ｗ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｓ ａ ｓ ｅ ｔ ｕ ｓ ｉ ｎ ｓ ｅ ｖ ｅ ｒ ａ ｌ ｍ ｏ ｄ ｅ ｌ ｉ ｎ ｕ ｎ ｉ ｔ ｓ ｈ ｉ ｃ ｈ ａ ｅ ｒ ｈ ｏ ｎ ｅ ｍ ｅ ｐ ｐ ｇ ｇ ｐ ｈ ａ ｓ ｎ ａ ｒ ｅ ｏ ｃ ａ ｂ ｕ ｌ ａ ｒ ｏ ｎ ｔ ｉ ｎ ｕ ｏ ｕ ｓ ｅ ｅ ｃ ｈ ｏ ｏ ｄ ｅ ｒ ｆ ｏ ｒ ｍ ａ ｎ ｃ ｅ ｇ ｐ ｉ ｌ ｖ ｓ ｇ ｙ ｐ ｃ ｒ ｅ ｃ ｏ ｎ ｉ ｔ ｉ ｏ ｎ（ Ｌ Ｖ Ｃ Ｓ Ｒ）ｓ ｓ ｔ ｅ ｍ ｓ ．Ａ ｓ ｅ ｔ ｄ ｅ ｓ ｉ ｎ ｍ ｅ ｔ ｈ ｏ ｄ ｉ ｓ ｕ ｅ ｓ ｔ ｉ ｏ ｎ ｇ ｙ ｇ ｑ ｉ ｖ ｅ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｅ ｘ ｔ ｅ ｎ ｄ ｅ ห้องสมุดไป่ตู้ ｖ ｏ ｗ ｅ ｌ ｔ ｒ ｉ ａ ｎ ｌ ｅ ．Ｔ ｅ ｓ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｇ ｇ ｃ ｏ ｍ ｂ ｉ ｎ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｎ ｅ ｗ ｈ ｏ ｎ ｅ ｍ ｅ ｓ ｅ ｔ ａ ｎ ｄ ｔ ｈ ｅ ｎ ｅ ｗ ｕ ｅ ｓ ｔ ｉ ｏ ｎ ｓ ｅ ｔ ｐ ｑ ／ ，ｔ ｓ ｕ ｒ ａ ｓ ｓ ｅ ｓ ｔ ｈ ｅ ｉ ｎ ｉ ｔ ｉ ａ ｌ ｆ ｉ ｎ ａ ｌ ｉ ｎ ｅ ｒ ｆ ｏ ｒ ｍ ａ ｎ ｃ ｅ ．Ａ ｌ ｓ ｏ ｈ ｅ ｎ ｕ ｍ ｂ ｅ ｒ ｏ ｆ ｐ ｐ ｍ ｏ ｄ ｅ ｌ ｉ ｎ ｕ ｎ ｉ ｔ ｓ ｉ ｓ ｒ ｅ ａ ｔ ｌ ｒ ｅ ｄ ｕ ｃ ｅ ｄ ｗ ｈ ｉ ｃ ｈ ｉ ｓ ｍ ｏ ｒ ｅ ｃ ｏ ｎ ｖ ｅ ｎ ｉ ｅ ｎ ｔ ｆ ｏ ｒ ｇ ｇ ｙ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｓ ｕ ｃ ｃ ｅ ｅ ｄ ｉ ｎ ｓ ｓ ｔ ｅ ｍ ｍ ｏ ｄ ｕ ｌ ｅ ｓ ． ｐ ｇ ｇ ｙ ： Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｌ ａ ｒ ｅ ｏ ｃ ａ ｂ ｕ ｌ ａ ｒ ｏ ｎ ｔ ｉ ｎ ｕ ｏ ｕ ｓ ｅ ｅ ｃ ｈ ｅ ｃ ｏ ｎ ｉ ｔ ｉ ｏ ｎ ｖ ｓ ｒ ｇ ｙ ｐ ｇ ｙ ｃ （ ；ｍ ；ｖ ；ｑ Ｌ Ｖ Ｃ Ｓ Ｒ） ｏ ｄ ｅ ｌ ｉ ｎ ｕ ｎ ｉ ｔ ｓ ｏ ｗ ｅ ｌ ｔ ｒ ｉ ａ ｎ ｌ ｅ ｕ ｅ ｓ ｔ ｉ ｏ ｎ ｇ ｇ ；ｍ ａ ｉ ｎ ｖ ｏ ｗ ｅ ｌ ｓ ｅ ｔ ｒ ｉ ｎ ｃ ｉ ｌ ｅ ｐ ｐ