[發(fā)明專利]安多藏語語音音節(jié)切分的方法

無效

• 申請?zhí)枺?/td>: 200710097847.6
• 申請日: 2007-04-20
• 公開（公告）號: CN101290766A
• 公開（公告）日: 2008-10-22
• 發(fā)明（設(shè)計）人: 戴玉剛;武光利;于洪志;曹暉;單廣榮;滿正行;李應(yīng)興
• 申請（專利權(quán)）人: 西北民族大學(xué)
• 主分類號: G10L15/02
• 分類號: G10L15/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

所屬技術(shù)領(lǐng)域

安多藏語語音音節(jié)切分的方法是屬于藏語語音庫的制作和藏語語音識別領(lǐng)域，是第一關(guān)鍵技術(shù)。

背景技術(shù)

眾所周知，語言是人類進行相互通信和交流的最方便最快捷的手段，它自然方便、快捷高效。隨著電子計算機和人工智能的廣泛應(yīng)用，人和機器之間最好的通信方式是語言通信，而語音是語言的聲學(xué)表現(xiàn)形式。要使機器聽懂人講話，并能說出話來，需要做許多工作，這就是語音合成和語音識別技術(shù)。在高度發(fā)達的信息社會中用數(shù)字化的方法進行語音的傳送、儲存、OR識別、合成、增強是整個數(shù)字化通信網(wǎng)中最重要、最基本的組成部分之一。

計算機的高速發(fā)展為我們更好地駕馭語言提供了可能。語音識別近年來得到了迅猛發(fā)展。人們不需要學(xué)習(xí)許多種計算機語言，只需要把要做的事情告訴給計算機，而計算機就可根據(jù)你的指令完成各種任務(wù)，工作也會變得更加有成效。如果你要播放影碟，那么你可以告訴計算機“播放影碟”而不用找到播放軟件，在“打開”處單擊一下，最后還需要在所要打開的文件再單擊一下。語音識別使得語音輸入代替了鍵盤輸入，實現(xiàn)了人與計算機的直接對話，同時加速了信息的處理過程。

而藏語語音的信息處理，還基本上是一片空白，隨著藏族人們生活的提高，藏族同胞急切的需要高科技給他們帶來便利，以便更好的促進藏族地區(qū)的發(fā)展。藏族有統(tǒng)一的書面語，但其口語因地而異，至今尚未形成全民族公認(rèn)的口頭標(biāo)準(zhǔn)語或普通話，藏語分為三大方言，本文數(shù)據(jù)源采用的安多藏語。

藏語連續(xù)語音的自動分割是藏語語音識別和制作藏語音節(jié)庫所遇到的第一關(guān)鍵技術(shù)。首先就要將藏語音節(jié)字從語音信號流的背景噪聲中分割出來，找出語音的開始和終止。這在許多語音處理領(lǐng)域中是很基本的問題。特別是在孤立單字的自動識別時，找出每個單字的語音信號范圍，將聲母、韻母分割開是很重要的。確定語音信號的開始和終止的方案可用來減少非實時系統(tǒng)的大量計算，使該系統(tǒng)僅處理語音輸入。只有將各音節(jié)中的聲韻母區(qū)分開，才能進行藏語聲學(xué)參數(shù)的分析和識別，才能進行藏語音庫的制作。當(dāng)然，如果不考慮分割的實時性，可以采用人工分割的方法：先將語言信號流的波形打印出來，然后用標(biāo)尺在波形圖上測量，就可以準(zhǔn)確得到分割的結(jié)果。由于這種人工分割的準(zhǔn)確性高，所以各種用計算機自動分割的準(zhǔn)確度都是與人工分割結(jié)果比較而言的。

發(fā)明內(nèi)容

藏語連續(xù)語音音節(jié)的自動分割是藏語語音識別和制作藏語音節(jié)庫所遇到的第一關(guān)鍵技術(shù)。這在許多語音處理領(lǐng)域中是很基本的問題。通過藏語語音時域參數(shù)短時能量和短時過零率，來判斷語音的音節(jié)，實現(xiàn)語音的音節(jié)切分。

本發(fā)明由以下幾個部分組成：安多藏語語音時域參數(shù)的提取、藏語語音端點檢測、音節(jié)切分算法的設(shè)計、切分結(jié)果的實現(xiàn)和顯示。

1.安多藏語時域參數(shù)的提取

1.1短時能量

設(shè)語音信號為S(m)，短時能量的定義：

En=Σm=nn+N-1[S(m)w(n-m)]2]]>

若令h(n)＝w²(n)，則