基于深度學習的語音識別系統(tǒng)已經被廣泛應用于各個領域,而聲學模型都是以大規(guī)模的語音庫資源為基礎進行訓練的。然而,目前蒙古語語音庫資源相對較少,無法滿足蒙古語大詞匯量連續(xù)語音識別系統(tǒng)的需求,因此急需進一步擴充蒙古語語音資源庫。人工錄制語音庫不僅花費大量的人力和物力,并且與實際使用場景會有所差別。在大數(shù)據時代背景下,從互聯(lián)網和相關單位可以獲得大規(guī)模的蒙古語長語音和對應文本數(shù)據,這些數(shù)據可以用來擴充蒙古語語音資源庫。本文針對蒙古語電視劇音頻,以語音識別技術為基礎研究了蒙古語語音文本對齊任務。具體研究內容和創(chuàng)新點如下:首先,本文針對電視劇長音頻語音文本對齊任務,實現(xiàn)了電視劇音頻自動分割,并改進了對話切分算法。利用雙門限端點檢測方法將音頻中的靜音切除;并使用隱馬爾可夫模型檢測和刪除在蒙古語口語對話中常出現(xiàn)的功能性副語言信息;使用基于貝葉斯距離矩陣進行了對話切分。實驗結果表明,本文改進的基于貝葉斯信息距離矩陣對話切分方法比傳統(tǒng)的基于貝葉斯信息對話切分方法誤檢率下降了4.22%。其次,本文提出了一種基于中間碼循環(huán)神經網絡模型（Recurrent Neural Network,RNN）語言模型自適應的語... 

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 引言
    1.1 研究背景及意義
    1.2 語音文本自動對齊的研究現(xiàn)狀
    1.3 論文的研究內容和創(chuàng)新點
    1.4 論文的組織結構
第二章 蒙古語長音頻語音文本對齊的相關技術
    2.1 蒙古文和蒙古語相關介紹
    2.2 語音文本對齊的基本框架
    2.3 蒙古語語音識別技術
        2.3.1 蒙古語語音識別技術概述
        2.3.2 蒙古語聲學模型
        2.3.3 N-gram語言模型
        2.3.4 RNN語言模型
    2.4 基于動態(tài)規(guī)劃的語音文本對齊算法
        2.4.1 Levenshtein距離算法
        2.4.2 Needleman-Wunsch算法
    2.5 本章小節(jié)
第三章 蒙古語電視劇長音頻的切分
    3.1 數(shù)據的采集
        3.1.1 數(shù)據集介紹
        3.1.2 文本數(shù)據預處理
    3.2 電視劇長音頻切分的介紹
    3.3 雙門限端點檢測
    3.4 基于隱馬爾可夫模型的功能性副語言信息片段檢測
    3.5 基于貝葉斯距離矩陣語音對話分割
        3.5.1 基于貝葉斯信息準則的語音對話分割
        3.5.2 基于BIC距離矩陣的變化點識別
    3.6 實驗結果
        3.6.1 實驗評價標準和實驗數(shù)據
        3.6.2 功能性副語言信息檢測實驗結果
        3.6.3 語音對話分割實驗結果
    3.7 本章小結
第四章 基于中間碼RNN語言模型自適應的語音文本對齊
    4.1 半監(jiān)督語音文本對齊
    4.2 蒙古語n-gram語言模型線性插值自適應
    4.3 融合LDA主題向量的蒙古語RNN語言模型自適應
        4.3.1 RNN語言模型自適應
        4.3.2 LDA主題模型
    4.4 基于中間碼RNN語言模型自適應的蒙古語語音文本對齊
    4.5 實驗結果與分析
        4.5.1 文語對齊的相關評價標準
        4.5.2 基于中間碼n-gram自適應的語音文本對齊實驗
        4.5.3 基于中間碼RNNLM自適應的語音文本對齊實驗
    4.6 本章小結
第五章 基于蒙古語音素混淆矩陣的語音文本對齊
    5.1 音素序列對齊技術
    5.2 基于混淆矩陣的音素對齊
        5.2.1 基于音素混淆矩陣的對齊算法
        5.2.2 基于混淆矩陣的相似度函數(shù)的改進
    5.3 實驗結果與分析
        5.3.1 基于音素混淆矩陣的對齊算法實驗
        5.3.2 基于中間碼RNNLM自適應對齊算法與基于音素混淆矩陣的對齊算法比較.
    5.4 本章小結
第六章 總結與展望
    6.1 文本工作總結
    6.2 后續(xù)工作展望
參考文獻
致謝
攻讀碩士期間發(fā)表的學術論文



本文編號：3709561