[發明專利]針對兒童的語音識別方法及裝置

有效

• 申請號: 201410145971.5
• 申請日: 2014-04-11
• 公開（公告）號: CN103956162B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 張峰;賴偉;吳義堅
• 申請（專利權）人: 上海元趣信息技術有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/05;G10L15/26
• 代理公司: 北京智匯東方知識產權代理事務所(普通合伙)11391
• 代理人: 薛峰,范曉斌

技術領域

本發明涉及語音識別領域，特別是涉及一種針對兒童的語音識別方法及裝置。

背景技術

隨著智能移動終端技術和語音交互技術高速發展，以及語音交互技術在智能移動終端的廣泛應用，使得智能移動終端具備語音交互功能。通常的語音交互技術中，由于受到采集難易程度和采集成本等不同因素影響，使得已知語料庫中是以采集較為方便的成人語料為主，兒童語料占據比例小。但是，與成年人相比，兒童的發音有著聲道長度短、發音速度變化大以及無意義語氣詞較多等特點，因此，采用上述已知語料庫的語音識別系統對兒童語音的針對性不足，對成年人的語音進行語音識別處理的準確度要高于兒童的。

發明內容

本發明的一個目的是要提供一種至少部分地解決上述問題的針對兒童的語音識別方法以及相應的裝置。

特別地，本發明提供了一種針對兒童的語音識別方法，包括：通過已知的語音語料庫和文本語料庫分別建立聲學模型和語言模型；接收所述兒童的語音信號，并對所述語音信號進行前端處理；對經過所述前端處理的所述語音信號進行特征提取處理，以獲取語音信號的聲學特征；通過所述聲學模型和所述語言模型對所述語音信號的聲學特征進行解碼搜索，以獲得識別文本；對所述識別文本進行語義理解處理，以獲得語義理解結果；其中所述通過已知的語音語料庫建立聲學模型包括：對所述語音語料庫中的全部語音語料進行特征提取處理，并在所述特征提取處理過程中加入聲道長度歸一化技術，以獲得所述全部語音語料的聲學特征；根據所述全部語音語料的聲學特征進行建模，以獲得所述聲學模型。

進一步地，所述建立聲學模型步驟中，根據所述全部語音語料的聲學特征進行建模包括：通過隱馬爾科夫模型對所述全部語音語料的聲學特征進行建模，以獲得所述聲學模型。

進一步地，根據所述全部語音語料的聲學特征進行建模，以獲得所述聲學模型包括：對所述全部語音語料的聲學特征進行建模，生成第一聲學模型AM1；提取所述語音語料庫中女性語音語料的聲學特征，以所述AM1作為初始模型，對所述女性語音語料的聲學特征進行建模，生成第二聲學模型AM2；提取所述語音語料庫中兒童語音語料的聲學特征，以所述AM2作為初始模型，對所述兒童語音語料的聲學特征進行建模，生成第三聲學模型AM3，并確認所述AM3為所述聲學模型。

進一步地，所述通過已知的語音語料庫建立聲學模型時，還包括：為兒童語音中的靜音建立靜音模型，并將所述靜音模型加入所述聲學模型，以識別兒童語音中的靜音。

進一步地，所述通過已知的語音語料庫建立聲學模型時，還包括：為兒童語音中的語氣詞建立語氣詞模型，并將所述語氣詞模型加入所述聲學模型，以識別所述兒童語音中的語氣詞。

進一步地，為多個語氣詞建立一個語氣詞模型，和/或，為每個語氣詞建立一個語氣詞模型。

進一步地，所述通過已知的文本語料庫建立語言模型包括：抽取所述文本語料庫中的10％至30％的文本語料作為待變形文本語料；對所述待變形文本語料進行變形處理，以獲得變形文本語料；將所述變形文本語料與所述文本語料庫中未被抽取的文本語料進行合并，以獲得混合文本語料庫；對所述混合文本語料庫進行建模，以獲得所述語言模型；其中對所述待變形文本語料進行變形處理包括；對所述待變形文本語料中所有的語句進行分詞處理；在經過所述分詞處理的所述待變形文本語料中，隨機選擇至少一個詞進行重復處理，以獲得所述變形文本語料。

進一步地，隨機選擇至少一個詞進行重復處理，包括以下至少之一：隨機選擇至少一個詞進行詞重復處理；隨機選擇至少一個詞進行詞尾重復處理；隨機選擇至少一個詞進行助聲詞增多處理，其中，所述助聲詞增多處理包括在所述待變形文本語料中，隨機在兩個詞之間增加至少一個語氣詞。

進一步地，對所述識別文本進行語義理解處理包括如下步驟中的至少一個：通過對所述識別文本進行常規詞語法分析，去除所述識別文本中連續出現重復的詞，以獲得所述語義理解結果；通過對所述識別文本進行常規詞語法分析，去除所述識別文本中詞尾重復的疊詞，以獲得所述語義理解結果；通過對所述識別文本進行常規詞語法分析和句法分析，去除所述識別文本中詞與詞之間多余的語氣詞，以獲得所述語義理解結果。