Inter-word Tri-phone Model Search and Analysis in Large Vocabulary Continuous Speech Recognition
Date Issued
2008
Date
2008
Author(s)
Lu, Tung-Hsuan
Abstract
大字彙連續語音辨識系統，是圖樣辨識及搜尋演算法的結合，為語音領域中的核心技術。雖以隱藏式馬可夫模型為基礎的辨識系統已經發展多年，但當模型設計改變時，舊有的搜尋演算法仍需變動，才可與模型配合。本論文的目標，即是在音素模型上，建立並分析可支援跨詞相依三連音素模型的辨識工具程式。字彙連續語音辨識系統的結構十分複雜，環環相扣，一不小心就會出錯。因此，本論文會詳細介紹實作可能碰到的問題，從聲學模型、語言模型、詞典等基礎模型開始，接著導入人工智慧中搜尋演算法的概念，介紹非跨詞相依音素模型如何以詞彙樹展開搜尋空間；利用維特比光束搜尋加快搜尋速度。之後以非跨詞相依的辨識系統為基礎，改進詞彙樹來展開原本在式子上難以推導的跨詞相依性問題，達成跨詞相依三連音素模型大字彙連續語音系統之實作。驗中，以傳統右相關聲韻母模型來測試非跨詞相依音素模型；以SAMPA-T的三連音素模型來測試跨詞相依音素模型。以實驗數據討論系統在兩個不同的音素集之中，時間、空間的需求，及討論不同參數之下，對系統效能的影響。最後的實驗結果及分析中，以右相關聲韻母為模型的辨識系統，無論在時間與空間上都需求較少；而跨詞相依的三連音素模型，用了更多的參數來描述音素模型，雖時間與空間都需求較多，但正確率比右相關聲韻母模型高，展現出其較精緻的模型能力。
Subjects
speech recognition
tri-phone
search algorithm
viterbi beam search
Type
thesis
File(s)![Thumbnail Image]()
Loading...
Name
ntu-97-R95922041-1.pdf
Size
23.32 KB
Format
Adobe PDF
Checksum
(MD5):7f8b2265020508d37e5eebc1e5fa6558