一種語音識別方法技術

一種語音識別方法，基于word3-gram和context-dependentHMM，其中語音識別方法包括訓練和識別兩個部分，訓練就是HMM建模的過程，其中，語音識別包括兩種解決方案，為非語音現象合發聲變形建立相應的聲學模型，或建立描述口語內在隨機性語法網絡或統計語言模型；語音采集方式為實時采集：一邊進行實時采集一邊將已經采集的語音實時送往緩存。本發明專利技術的語音識別方法，在已有功能模塊及應用方法的基礎上自主建立語音庫，可以實現即時語音識別，不僅具有對英文識別率高，在日文識別率也處于世界領先地位，尤其是在剛起步的日文語音識別市場，更是國際領先水平。而這套語音識別技術所采用的技術框架完全可以擴展到中文識別甚至可以擴展到包括中文的其他國家語言。

【技術實現步驟摘要】
【專利摘要】，基于word3-gram和context-dependentHMM，其中語音識別方法包括訓練和識別兩個部分，訓練就是HMM建模的過程，其中，語音識別包括兩種解決方案，為非語音現象合發聲變形建立相應的聲學模型，或建立描述口語內在隨機性語法網絡或統計語言模型；語音采集方式為實時采集：一邊進行實時采集一邊將已經采集的語音實時送往緩存。本專利技術的語音識別方法，在已有功能模塊及應用方法的基礎上自主建立語音庫，可以實現即時語音識別，不僅具有對英文識別率高，在日文識別率也處于世界領先地位，尤其是在剛起步的日文語音識別市場，更是國際領先水平。而這套語音識別技術所采用的技術框架完全可以擴展到中文識別甚至可以擴展到包括中文的其他國家語言。【專利說明】
本專利技術具體涉及。
技術介紹
語音識別又是一門交叉學科，它與聲學、語音學、語言學、數字信號處理理論、計算機科學等眾多科學緊密相連。語言識別是以基于應用就是語言打字機，用口述代替鍵盤，實現向計算機輸入文字，它具有自然、快速、不需用手、不受地點限制等優點。在英語識別系統中，Google和Nuance是目前語言識別技術的領跑者，其所開發的商業語言識別引擎被廣泛購買使用。目前，還有一些語音識別技術采用京都大學的語音識別引擎，其獨特的技術框架具有較好的識別率和擴展性.基于word 3-gram和context-dependent HMM雖然它的性能優秀，但是目前市場上并沒有成熟的產品面世。
技術實現思路
為了解決目前存在的不足，本專利技術提供了一種適用性強的語音識別方法。,基于word 3-gram和context-dependent HMM,其中語音識別方法包括訓練和識別兩個部分，訓練就是HMM建模的過程，根據一定的參數重估算法，不斷調整模型參數，其中， 語音識別包括兩種解決方案，為非語音現象合發聲變形建立相應的聲學模型，或建立描述口語內在隨機性語法網絡或統計語言模型；語音采集方式為實時采集:一邊進行實時采集一邊將已經采集的語音實時送往緩存。優選的，所述語音識別方法采用具有抗噪特性的特征，并通過麥克風陣列、語音增強和針對噪聲的模型補償方法，去除電話合周圍環境噪音等影響。優選的，所述語音識別方法還包括基于語音識別的人機互動:通過讓計算機識別人的語音指令來驅動模型，為游戲引擎提供了語音識別上的軟件技術支持，從而在語音上實現對游戲中人物角色的行為進行控制。與現有技術相比，本專利技術的優勢在于: 本專利技術的語音識別技術識別率高，擴展性好，這套語音識別技術所采用的技術框架完全可以擴展到中文識別甚至是其他語言的識別中。本專利技術將語音采集方式改為實時采集:不等說話人說完，就將已經采集的語音實時送往緩存，一邊處理一邊采集，可以極大提高系統效率。現在語音數據都是先存到硬盤上，在送往識別器進行識別，反應速度慢。通過自主建立語音庫，可以實現即時語音識別，不僅具有對英文識別率高，在日文識別率也處于世界領先地位，尤其是在剛起步的日文語音識別市場，更是國際領先水平。而這套語音識別技術所采用的技術框架完全可以擴展到中文識別甚至可以擴展到包括中文的其他國家語言。【專利附圖】【附圖說明】 圖1為本專利技術的的流程示意圖。【具體實施方式】結合圖1所示，本專利技術的，自主研發的語音識別技術所采用的語音識別技術基于京都大學的語音識別引擎，其獨特的技術框架具有較好的識別率和擴展性.基于word 3-gram和context-dependent HMM雖然它的性能優秀,但是目前市場上并沒有成熟的產品面世。在此之上通過自主建立語音庫，可以實現即時語音識別，不僅具有對英文識別率高，在日文識別率也處于世界領先地位，尤其是在剛起步的日文語音識別市場，更是國際領先水平。而這套語音識別技術所采用的技術框架完全可以擴展到中文識別甚至可以擴展到包括中文的其他國家語言。從圖1可以看出，語音識別系統要經過訓練和識別兩個部分，訓練就是HMM建模的過程，根據一定的參數重估算法，不斷調整模型參數，得到性能較好的模型，通過對基本模型的改進和優化，提高模型的精確度，以到達較好的識別效果。創新技術點:(I)自然口語語音識別在實際的使用環境中，更多、更自然的人機交互式是“自然口語”，本技術對口語識別提出兩種解決方案:①為非語音現象合發聲變形建立相應的聲學模型建立描述口語內在隨機性語法網絡或統計語言模型。(2)采用具有抗噪特性的特征，麥克風陣列、語音增強和針對噪聲的模型補償方法，去除電話合周圍環境噪音等影響 (3)語音識別技術識別率高，擴展性好，這套語音識別技術所采用的技術框架完全可以擴展到中文識別甚至是其他語言的識別中。 (4)改進了基于特征的彈性圖區配語音算法證明改進算法識別率高、實時性好，在給出OdB，2dB，8dB，12dB, 15dB信號比下，仍能準確的檢測出端點結果。(5)基于語音識別的人機互動 通過讓計算機識別人的語音指令來驅動模型，所以語音識別的性能將決定互動的結果，為游戲引擎提供了語音識別上的軟件技術支持，可以在語音上實現對游戲中人物角色的行為進行控制，實現真正意義上的實時性語音互動。(6)將語音采集方式改為實時采集 不等說話人說完，就將已經采集的語音實時送往緩存，一邊處理一邊采集，可以極大提高系統效率。現在語音數據都是先存到硬盤上，在送往識別器進行識別，反應速度慢。隨著對語音識別技術的研究和應用，人們將對人類的發聲機能的認識有更深入的認識。對各國語言的電子化也會有巨大促進作用。同時包括音聲模型及網絡傳輸協議在內等現有技術也會隨之不斷更新，從而將相關的學科推向一個新的高度。本項目中自主研發的編解碼技術和語音識別技術對國內同行業市場注入新鮮的血液，對形成行業的良性競爭和不斷優質發展具有積極的作用，同時也會填補國內語音識別技術中針對日語識別的技術空白。上述實施例只是為了說明本專利技術的技術構思及特點，其目的是在于讓本領域內的普通技術人員能夠了解本專利技術的內容并據以實施，并不能以此限制本專利技術的保護范圍。凡是根據本
技術實現思路
的實質所作出的等效的變化或修飾，都應涵蓋在本專利技術的保護范圍內。【權利要求】1.，基于word 3-gram和context-dependent HMM,其中語音識別方法包括訓練和識別兩個部分，訓練就是HMM建模的過程，根據一定的參數重估算法，不斷調整模型參數，其特征在于， 語音識別包括兩種解決方案，為非語音現象合發聲變形建立相應的聲學模型，或建立描述口語內在隨機性語法網絡或統計語言模型； 語音采集方式為實時采集:一邊進行實時采集一邊將已經采集的語音實時送往緩存。2.根據權利要求1所述的語音識別方法，其特征在于，所述語音識別方法采用具有抗噪特性的特征，并通過麥克風陣列、語音增強和針對噪聲的模型補償方法，去除電話合周圍環境噪音等影響。3.根據權利要求1所述的語音識別方法，其特征在于，所述語音識別方法還包括基于語音識別的人機互動:通過讓計算機識別人的語音指令來驅動模型，為游戲引擎提供了語音識別上的軟件技術支持，從而在語音上實現對游戲中人物角色的行為進行控制。【文檔編號】G10L15/06GK103474062SQ201210276162【公開日】2013年12月25日 申請日期:2012年8月6日 優先權日本文檔來自技高網...

【技術保護點】
一種語音識別方法，基于word?3?gram和context?dependent?HMM，其中語音識別方法包括訓練和識別兩個部分，訓練就是HMM建模的過程，根據一定的參數重估算法，不斷調整模型參數，其特征在于，語音識別包括兩種解決方案，為非語音現象合發聲變形建立相應的聲學模型，或建立描述口語內在隨機性語法網絡或統計語言模型；語音采集方式為實時采集：一邊進行實時采集一邊將已經采集的語音實時送往緩存。

【技術特征摘要】

【專利技術屬性】
技術研發人員：陳奕，
申請(專利權)人：蘇州沃通信息科技有限公司，
類型：發明
國別省市：