学位论文 > 优秀研究生学位论文题录展示

长音频与文本的对齐研究

作　者: 周陈
导　师: 黄云清
学　校: 湘潭大学
专　业: 计算数学
关键词: HTK 鲁棒性语音识别长语音文本匹配自适应编辑距离
分类号: TP391.1
类　型: 硕士论文
年　份: 2013年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

长语音和文本的对齐可以促进对丰富的语音资源的大规模研究，例如，有声读物收集或者多媒体文档索引。对于这样的资源，基于传统的维特比强制对齐算法被证明是不足以胜任的，原因在维特比算法受限于：一是转写文本必须是准确的和二音频相对没有噪声。由于近几年中文语音识别率有显著提升，具备了用语音识别引擎解决语音文本对齐的条件。在本文中，我们用C++语言实现了一个具有鲁棒性的长音频文本对齐的程序，并能规避传统对齐方法中的一些限制。它实现了一个自适应、迭代性的语音识别和文本对齐的方式，而且能够处理时长很长的音频(可能包含噪声)，并对噪声音频具有一定的鲁棒性。本文通过运行人为拼接的来自TIMIT数据库和863语音数据库的长音频，本文将给出相关的参考文本的边界结果。

全文目录

摘要  6-7
Abstract  7-9
第一章引言  9-13
  §1.1 研究背景  9
  §1.2 语音与文本匹配技术的研究现状和难点  9-11
  §1.3 主要研究内容和组织结构  11-13
第二章传统的语音文本对齐算法  13-18
  §2.1 隐马尔可夫模型 HMM  13-15
  §2.2 维特比对齐算法  15-18
第三章自适应长音频文本对齐算法  18-35
  §3.1 中文音频识别过程  18-29
    §3.1.1 参考文本预处理  18-21
    §3.1.2 端点检测技术  21-22
    §3.1.3 特征提取  22-25
    §3.1.4 声学模型和声学模型自适应  25-27
    §3.1.5 语言模型和语言模型自适应  27-29
  §3.2 识别文本与参考文本的对齐过程  29-31
    §3.2.1 编辑距离 Edit Distance  29-31
  §3.3 迭代过程  31
  §3.4 自适应语音文本对齐算法  31-34
  §3.5 具体实施  34-35
第四章实验结果和分析  35-49
  §4.1 实验基本设置  35-39
    §4.1.1 语音识别引擎 HTK 和相关命令参数配置  35-37
    §4.1.2 Srilm 语言模型工具  37-38
    §4.1.3 文本与文本对齐工具 SCTK 之Sclite  38-39
  §4.2 实验结果  39-47
  §4.3 实验结果分析  47-49
第五章总结与展望  49-50
  §5.1 全文总结  49
  §5.2 工作展望  49-50
参考文献  50-54
致谢  54-55
附录  55-59

长音频与文本的对齐研究

内容摘要

全文目录

相似论文