[發明專利]改進依賴上下文的語音識別器對環境變化的魯棒性

有效

• 申請號: 201310181433.7
• 申請日: 2011-01-28
• 公開（公告）號: CN103280216A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: X.梅寧德斯-皮達爾;R.陳
• 申請（專利權）人: 索尼電腦娛樂公司
• 主分類號: G10L15/14
• 分類號: G10L15/14
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 謝攀;朱海煜

1.一種改進用于應用的依賴上下文的語音識別器對環境變化的魯棒性的裝置，包括:

存儲用于語音識別訓練的聲音的訓練數據庫；

存儲依賴上下文的語音識別器所支持的多個單詞的字典；以及

利用訓練數據庫和字典對一個或多個多狀態隱馬爾可夫模型（HMM）的集合進行訓練的語音識別器訓練模塊，其中所述語音識別器訓練模塊進一步對每個HMM的每個狀態執行非統一狀態集群化過程，所述非統一狀態集群化過程對每個HMM的至少一些狀態使用不同的非統一集群閾值以更重度地集群化并相應減少在經驗上受一種或多種上下文依賴性影響較小的每個HMM的狀態中的那些狀態的觀察分布的數目。

2.如權利要求1所述的裝置，其中所述多狀態HMM中的至少一個是具有其上下文依賴性已經被消除的最終狀態的左雙音HMM，其中所述最終狀態是左雙音的終點模型狀態，且并不連接到除其自身之外的左雙音的任何其它狀態。

3.如權利要求1所述的裝置，其中所述多狀態HMM中的至少一個是具有其上下文依賴性已經被消除的初始狀態的右雙音HMM，其中所述初始狀態是右雙音的入口模型狀態，并且沒有來自除其自身之外的任何其它狀態的連接。

4.如權利要求1所述的裝置，其中所述多狀態HMM中的至少一個是具有初始狀態、主體狀態和最終狀態的左雙音HMM，所述初始狀態、主體狀態和最終狀態均具有不同的非統一集群閾值，其中所述初始狀態是不連接自除其自身之外的任何其它狀態的入口模型狀態，其中所述主體狀態是初始狀態和最終狀態之間的中間狀態，并且其中所述最終狀態是并不連接到除其自身之外的任何其它狀態的終點模型狀態，并且其中所述非統一狀態集群化過程對最終狀態進行比主體狀態和初始狀態更重度地集群化，并且對主體狀態進行比初始狀態更重度地集群化。

5.如權利要求1所述的裝置，其中所述多狀態HMM中的至少一個是具有初始狀態、主體狀態和最終狀態的右雙音HMM，所述初始狀態、主體狀態和最終狀態均具有不同的非統一集群閾值，其中所述初始狀態是不連接自除其自身之外的任何其它狀態的入口模型狀態，其中所述主體狀態是初始狀態和最終狀態之間的中間狀態，并且其中所述最終狀態是并不連接到除其自身之外的任何其它狀態的終點模型狀態，并且其中所述非統一狀態集群化過程對初始狀態進行比主體狀態和最終狀態更重度地集群化，并且對主體狀態進行比最終狀態更重度地集群化。

6.如權利要求1所述的裝置，

其中所述多狀態HMM中的至少一個是至少包括初始狀態、主體狀態和最終狀態的多狀態三音，其中所述初始狀態是不連接自除其自身之外的任何其它狀態的入口模型狀態，其中所述主體狀態是初始狀態和最終狀態之間的中間狀態，并且其中所述最終狀態是并不連接到除其自身之外的任何其它狀態的終點模型狀態；并且

其中所述語音識別器訓練模塊對所述多狀態三音進行訓練以使得初始狀態僅上下文依賴于之前音素，所述主體狀態上下文依賴于之前音素和后續音素，并且所述最終狀態僅上下文依賴于后續音素。

7.如權利要求1所述的裝置，其中所述多狀態HMM中的至少一個是至少包括初始狀態、主體狀態和最終狀態的半音，并且其中所述主體狀態與非統一集群閾值相關聯，其中所述非統一狀態集群化過程大大減少所述主體狀態的觀察分布數目，其中所述初始狀態是所述半音的左半音部分的入口模型狀態并且不連接自除其自身之外的任何其它狀態，其中所述最終狀態是所述半音的右半音部分的終點模型狀態并且不連接到除其自身之外的任何其它狀態，并且其中所述主體狀態是不同于初始狀態和最終狀態的狀態并且被包括在左半音部分或右半音部分中。

8.如權利要求1所述的裝置，其中所述多狀態HMM中的至少一個是多狀態并行系統組合，其組合了多狀態左雙音HMM、多狀態右雙音HMM、多狀態三音，以及處于所述狀態之一的至少一個單音中的一個或多個。

9.一種改進依賴上下文的語音識別器對環境變化的魯棒性的方法，包括：

接收對隱馬爾可夫模型（HMM）進行訓練的選擇，所述HMM具有多個狀態，并且其中所述多個狀態中的至少一些與不同的非統一集群閾值相關聯；

對所述HMM進行訓練，包括使用非統一集群閾值對所述多個狀態中的每一個執行非統一狀態集群化過程以更重度地集群化并相應減少在經驗上受一種或多種上下文依賴性影響較小的多個狀態中的那些狀態的觀察分布數目；以及

存儲經訓練的HMM。