[發明專利]在自動語音識別中應用聲調特征的裝置和方法

有效

• 申請號: 201210090660.4
• 申請日: 2012-03-30
• 公開（公告）號: CN103366737A
• 公開（公告）日: 2013-10-23
• 發明（設計）人: 丁沛;賀利強
• 申請（專利權）人: 株式會社東芝
• 主分類號: G10L15/02
• 分類號: G10L15/02
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 張亞非;楊曉光

1.一種在自動語音識別中應用聲調特征的裝置，包括：

分布估計模塊，被配置為估計語音信號中的有聲幀的聲調特征的全局分布以及用于無聲幀的隨機值的全局分布；

規整化模塊，被配置為根據有聲幀的聲調特征的全局分布對用于無聲幀的隨機值的全局分布進行規整化；以及

隨機值調整模塊，被配置為根據規整化的全局分布調整用于無聲幀的隨機值，以便將調整后的隨機值賦值給語音信號中的無聲幀，作為無聲幀的聲調特征。

2.根據權利要求1的裝置，其中，所述根據有聲幀的聲調特征的全局分布對用于無聲幀的隨機值的全局分布進行規整化包括：

使用于無聲幀的隨機值的全局分布的標準差接近于有聲幀的聲調特征的全局分布的標準差；以及

使用于無聲幀的隨機值的全局分布的均值適當偏離有聲幀的聲調特征的全局分布的均值。

3.根據權利要求1的裝置，其中，所述使用于無聲幀的隨機值的全局分布的均值適當偏離有聲幀的聲調特征的全局分布的均值包括：

使用于無聲幀的隨機值的全局分布的均值與有聲幀的聲調特征的全局分布的均值之間的差接近于有聲幀的聲調特征的全局分布的標準差的1.6倍。

4.根據權利要求1的裝置，其中，所述根據規整化的全局分布調整用于無聲幀的隨機值包括：

對用于無聲幀的隨機值進行線性變換，以使得線性變換后的隨機值的全局分布為所述規整化的全局分布。

5.根據權利要求1的裝置，還包括：

幀區分模塊，被配置為區分語音信號中的有聲幀和無聲幀；以及

聲調特征提取模塊，被配置為提取有聲幀的聲調特征。

6.根據權利要求1的裝置，還包括：

特征合并模塊，被配置為合并有聲幀和無聲幀的非聲調聲學特征以及所述聲調特征，以用于自動語音識別。

7.根據權利要求6的裝置，其中，所述特征合并模塊進一步被配置為：

合并有聲幀和無聲幀的非聲調聲學特征、所述聲調特征以及語音層級參數，以用于自動語音識別。

8.根據權利要求7的裝置，其中，所述語音層級參數反映了語音信號中的周期性的強弱。

9.一種在自動語音識別中應用聲調特征的方法，包括：

估計語音信號中的有聲幀的聲調特征的全局分布以及用于將無聲幀的隨機值的全局分布；

根據有聲幀的聲調特征的全局分布對隨機值的全局分布進行規整化；以及

根據規整化的全局分布調整隨機值，以便將調整后的隨機值賦值給語音信號中的無聲幀，作為無聲幀的聲調特征。