[發(fā)明專利]區(qū)分地域性口音的語音數(shù)據(jù)識別方法和裝置

無效

• 申請?zhí)枺?/td>: 201310703949.3
• 申請日: 2013-12-19
• 公開（公告）號: CN103680493A
• 公開（公告）日: 2014-03-26
• 發(fā)明（設(shè)計(jì)）人: 蘇丹;尹釗
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/06
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 胡彬

技術(shù)領(lǐng)域

本發(fā)明涉及語音數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種區(qū)分地域性口音的語音數(shù)據(jù)識別方法和裝置。

背景技術(shù)

我國幅員遼闊，這使得漢語中包含地域性口音的方言的種類眾多。來自不同地方的方言在發(fā)音特點(diǎn)，語速特點(diǎn)上各不相同。所以，采用相同的聲學(xué)模型對不同地方的方言進(jìn)行語音識別時(shí)，會出現(xiàn)識別準(zhǔn)確率不高的現(xiàn)象。為了解決采用統(tǒng)一的適用于漢語普通話的聲學(xué)模型對不同地方方言進(jìn)行語音識別時(shí)識別準(zhǔn)確率不高的問題，針對不同地方的方言分別訓(xùn)練為各種方言定制的聲學(xué)模型是一種很好的途徑。

訓(xùn)練聲學(xué)模型需要海量的訓(xùn)練數(shù)據(jù)。目前，隨著微信、米聊等即時(shí)通訊工具的流行，互聯(lián)網(wǎng)上存儲有大量的原始語音數(shù)據(jù)。這些語音數(shù)據(jù)可以作為訓(xùn)練針對不同地方方言的聲學(xué)模型的訓(xùn)練數(shù)據(jù)。但是，現(xiàn)有技術(shù)中，沒有從這些語音數(shù)據(jù)中區(qū)分哪些是普通話的語音數(shù)據(jù)，哪些是地域性語音數(shù)據(jù)的自動化方法，使得要使用原始語音數(shù)據(jù)訓(xùn)練針對地方方言的聲學(xué)模型之前，首先需要對這些原始語音數(shù)據(jù)人工標(biāo)注出地域標(biāo)簽，這會耗費(fèi)大量人力物力。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提出一種區(qū)分地域性口音的語音數(shù)據(jù)識別方法和裝置，以從原始語音數(shù)據(jù)中自動識別出地域性語音數(shù)據(jù)。

第一方面，本發(fā)明實(shí)施例提供了一種區(qū)分地域性口音的語音數(shù)據(jù)識別方法，所述方法包括：

計(jì)算語音數(shù)據(jù)的語音識別置信度和/或信噪比，并根據(jù)語音識別置信度和/或信噪比從語音數(shù)據(jù)中篩選出地域性語音數(shù)據(jù)；

根據(jù)所述地域性語音數(shù)據(jù)的地域?qū)傩源_定所述地域性語音數(shù)據(jù)的所屬地域。

第二方面，本發(fā)明實(shí)施例提供了一種區(qū)分地域性口音的語音數(shù)據(jù)識別裝置，所述裝置包括：

語音數(shù)據(jù)篩選模塊，用于計(jì)算語音數(shù)據(jù)的語音識別置信度和/或信噪比，并根據(jù)語音識別置信度和/或信噪比從語音數(shù)據(jù)中篩選出地域性語音數(shù)據(jù)；

地域確定模塊，用于根據(jù)所述地域性語音數(shù)據(jù)的地域?qū)傩源_定所述地域性語音數(shù)據(jù)的所屬地域。

本發(fā)明實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法和裝置，通過計(jì)算語音數(shù)據(jù)的置信度和/或信噪比，將地域性語音數(shù)據(jù)自動的從海量的語音數(shù)據(jù)中篩選出來，減少了對全部語音數(shù)據(jù)進(jìn)行人工標(biāo)注的工作量，提高了語音數(shù)據(jù)處理的效率。

附圖說明

通過閱讀參照以下附圖所作的對非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會變得更明顯：

圖1是本發(fā)明第一實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法的流程圖；

圖2是本發(fā)明第一實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法的信號流圖；

圖3是本發(fā)明第二實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法的流程圖；

圖4是本發(fā)明第二實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法中信噪比計(jì)算的流程圖；

圖5是本發(fā)明第二實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法的信號流圖；

圖6是本發(fā)明第三實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別裝置的結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明?？梢岳斫獾氖?，此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部內(nèi)容。

圖1及圖2示出了本發(fā)明的第一實(shí)施例。

圖1是本發(fā)明第一實(shí)施例提供的區(qū)分地域性口音的語音數(shù)據(jù)識別方法的流程圖。參見圖1，所述區(qū)分地域性口音的語音數(shù)據(jù)識別方法包括：

S110，計(jì)算語音數(shù)據(jù)的語音識別置信度和/或信噪比，并根據(jù)語音識別置信度和/或信噪比從語音數(shù)據(jù)中篩選出地域性語音數(shù)據(jù)。

因?yàn)楝F(xiàn)有技術(shù)中用于語音識別的聲學(xué)模型都是針對低噪音并且沒有地域性口音的標(biāo)準(zhǔn)普通話語音訓(xùn)練的聲學(xué)模型。當(dāng)使用這些聲學(xué)模型來對地域性語音數(shù)據(jù)進(jìn)行語音識別時(shí)，會出現(xiàn)語音識別置信度不高，進(jìn)而語音識別的識別率不高的情況。正因?yàn)榈赜蛐哉Z音數(shù)據(jù)有進(jìn)行語音識別時(shí)語音識別置信度不高的特征，所以可以計(jì)算地域性語音數(shù)據(jù)的語音識別置信度，再根據(jù)計(jì)算的地域性語音數(shù)據(jù)的語音識別置信度篩選出地域性語音數(shù)據(jù)。

然而，造成語音數(shù)據(jù)的語音識別置信度不高的原因也可能是因?yàn)檎Z音數(shù)據(jù)中有較高的噪聲。所述還可以通過計(jì)算語音數(shù)據(jù)的信噪比，將語音數(shù)據(jù)中信噪比較低的語音數(shù)據(jù)濾除，以清除由于低信噪比造成其語音識別置信度低的語音數(shù)據(jù)。將語音數(shù)據(jù)中信噪比較低的語音數(shù)據(jù)清除以后，剩下的語音數(shù)據(jù)就是由于地域性口音造成語音識別置信度不高的語音數(shù)據(jù)，也即地域性語音數(shù)據(jù)。