發(fā)布時間：2024-03-04 22:33

　　在人類發(fā)展的歷史長河中,語音作為人類交流必不可少的一部分,一直是國內(nèi)外學(xué)者研究的重點課題。如何讓計算機(jī)與人類通過“語言”交流更是熱門的研究對象。隨著Siri等許多語音識別軟件的出現(xiàn)和智能家居的興起,智能語音處理的應(yīng)用逐漸走進(jìn)人們的生活,并持續(xù)地扮演重要角色。在這個大數(shù)據(jù)的時代,擁有著對數(shù)據(jù)建模超能力的深度學(xué)習(xí)算法,已經(jīng)被普及于語音識別、圖像處理等模式識別領(lǐng)域。目前,語音識別技術(shù)針對英語、日語、德語、中文等主流國際語言識別正確率高達(dá)99%以上。但是針對像藏語這樣的民族方言研究仍處在很淺顯的階段。因此,本文主要研究提高深度學(xué)習(xí)在藏語安多方言連續(xù)語音識別上的效果。本文主要工作如下:1.建立了一個用于藏語安多方言語音識別的大規(guī)模語音語料庫。我們選取了10000個藏語常用句子來構(gòu)建藏語安多方言語料庫。我們篩選了以藏語安多方言為母語的5位男性說話人和5位女性說話人,每人錄制1000句語音,一共錄制的語料庫時長為15.6小時。再根據(jù)發(fā)音詞典對文本語料進(jìn)行標(biāo)注,并將語料按照3:1的比例分別組成訓(xùn)練集和測試集。2.實現(xiàn)了基于深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)和隱馬爾科夫模型...

【文章頁數(shù)】：43 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.1發(fā)音字典格式

第3章藏語安多方言語料庫的構(gòu)建11圖3.1發(fā)音字典格式3.4語料庫的標(biāo)注根據(jù)前面我們介紹過的發(fā)音詞典，我們可以將語料庫中的文本全部進(jìn)行標(biāo)注成拉丁轉(zhuǎn)寫的形式。首先，我們需要去掉所有分隔符號，將所有文本中的每個之間以空格分開。接下來，我們開始在字典中查找每個字的聲韻母標(biāo)注，將其字的標(biāo)....

圖4.3DNN-HMM結(jié)構(gòu)圖

第4章基于DNN-HMM的藏語安多方言語音識別17圖4.3DNN-HMM結(jié)構(gòu)圖圖中的DNN-HMM系統(tǒng)，它采用的是貝葉斯定理，同時引入HMM狀態(tài)序列S的概念。所以在第三章提出的概率XWP)|(可以繼續(xù)進(jìn)行分解：==SWSWWWPWSPSXPWPWSPWSXPXWPW)()|()|....

圖4.4部分語言模型截圖

第4章基于DNN-HMM的藏語安多方言語音識別19G.fst兩個文件。其中，G.fst是一個有限狀態(tài)轉(zhuǎn)換機(jī)形式的藏語語言模型，L.fst則是有限狀態(tài)轉(zhuǎn)換機(jī)形式藏文發(fā)音字典。接下來開始進(jìn)行聲學(xué)模型的訓(xùn)練。首先訓(xùn)練單音子的HMM模型，將它迭代40次后，測試單音子模型，同時建立完全的識....

圖5.1混合CTC/Attention系統(tǒng)結(jié)構(gòu)圖

第5章基于端到端的藏語安多方言語音識別24圖5.1混合CTC/Attention系統(tǒng)結(jié)構(gòu)圖編碼層采用四層BLSTM用于訓(xùn)練網(wǎng)絡(luò)，Attention模型使用標(biāo)簽<sos>作為起始符號，而<eos>則代表序列的結(jié)尾�；旌螩TC/Attention的端到端普通話語音識別體系結(jié)構(gòu)如圖3.....

本文編號：3919269