[發(fā)明專利]一種長篇幅語音全自動切分方法

有效

• 申請?zhí)枺?/td>: 201310280159.9
• 申請日: 2013-07-05
• 公開（公告）號: CN103345922A
• 公開（公告）日: 2013-10-09
• 發(fā)明（設計）人: 張巍;王永遠;張志楠
• 申請（專利權）人: 張巍
• 主分類號: G10L15/04
• 分類號: G10L15/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種長篇幅語音全自動切分方法，其特征在于，包括以下步驟：

(1)先由ZLSS方法提供精確的標注句點的時間數(shù)據(jù)，再由HashMap追蹤查找機制按照時間軸的對應關系，將其和MLSS算法的輸入對應；

(2)由邊界特征抽取程序，利用上述已經(jīng)對應的好的時間數(shù)據(jù)，將對應的數(shù)據(jù)幀特征從原始文件中抽取出來，為做Co_training的分類迭代做準備；

(3)將上面抽取得來的正確句點位置的邊界特征信息加入MLSS的訓練集，做Co_training，進一步分類得到新的句點；

(4)分類結果只給出了對應句點位置的起始幀和結束幀，還要進一步經(jīng)過轉換程序，將其對應到與ZLSS一致的時間軸上來，再轉到下一步驟操作；

(5)做一次判斷，看是否本次的迭代過程找到了新的句點，如沒有找到，則整個迭代過程結束，若找到了新的句點，則進行下一步；

(6)得到轉換程序輸出的時間點信息之后，再利用ZLSS提供的切分方法，將當前篇幅語音和文本進一步切分成更小更多的段落或句子，并將結果替換上一次迭代的初始語音和文本集；

(7)重復執(zhí)行以上步驟。

2.根據(jù)權利要求1所述的長篇幅語音全自動切分方法，其特征在于，采用基于HashMap的追蹤查找機制，將找到的所有正確的句子時間信息統(tǒng)一對應到初始的時間軸上，為下一步迭代分類做準備。

3.根據(jù)權利要求1所述的長篇幅語音全自動切分方法，其特征在于，所述ZLSS方法將句子邊界的靜音看成一個獨立音素sil，首先，通過基于HMM的無監(jiān)督方法和Flat-start訓練算法，訓練語音中各個音素的隱馬爾科夫模型，并通過Viterbi強制對齊forced-alignment將篇幅的音素序列和篇幅文本對齊，然后，根據(jù)文本中句子結束符號，最后，通過一個嚴格的檢查機制，來判斷切分句子是否正確，進而就能夠得到一個較小的正確的邊界標注集合。

4.根據(jù)權利要求1所述的長篇幅語音全自動切分方法，其特征在于，所述ZLSS方法引入迭代算法：首先，根據(jù)上文檢查機制給出的正確無誤的sil將篇幅語音切分為段落語音和句子語音；然后，判斷當前得到的句子和段落的總數(shù)目相對于上一次迭代過程所得到的結果有無增加，也就是判斷是否有新的正確的sil被找到，如果有增加，用這一次的結果語音和文本再與前一次的結果語音和文本進行替換，重新訓練HMMs，繼續(xù)迭代；如果沒有增加，那么意味著迭代過程結束。

5.根據(jù)權利要求1所述的長篇幅語音全自動切分方法，其特征在于，還包括自動擴充精確標注集合：

首先，采用韻律特征，研究對音頻幀-段Frame-Clip進行元音/輔音/停頓V/C/P的分類；然后，根據(jù)Co_training和Active?Learning架構，實現(xiàn)了極小化標注的句子邊界探測，在停頓中尋找句子邊界；最后，研究韻律特征的嚴格檢錯機制，確定準確的句子邊界。