楊俊

摘 要：粵語是中國七大方言之一，在全球有近1.2億使用人口。本文根據(jù)粵語的特點(diǎn)，針對電臺(tái)節(jié)目中出現(xiàn)的粵語敏感詞設(shè)計(jì)一套基于HTK的語音識別監(jiān)控系統(tǒng)，提出基于LMS自適應(yīng)降噪的語音預(yù)處理方案，并驗(yàn)證該語音識別系統(tǒng)的識別率。通過實(shí)驗(yàn)證明該系統(tǒng)對粵語具有較高的識別率。

關(guān)鍵詞：HTK；語音識別；粵語

1 概述

語音識別發(fā)展到現(xiàn)如今，在很多領(lǐng)域已經(jīng)得到了應(yīng)用，語音識別通過幾十年的發(fā)展，已經(jīng)從孤立詞識別到連續(xù)語音識別，從小詞匯量到大詞匯量，但是，粵語連續(xù)語音識別還處在初始階段，粵語通行于兩廣、港澳地區(qū)，是唯一除了普通話外擁有完善文字系統(tǒng)的漢語，并且國內(nèi)廣播電臺(tái)很少有用語音識別技術(shù)來對關(guān)鍵詞進(jìn)行檢測，因此，如何設(shè)計(jì)一個(gè)能降低背景噪聲，識別率高的基于關(guān)鍵詞的語音識別軟件，是目前廣播電臺(tái)監(jiān)播系統(tǒng)面臨的技術(shù)挑戰(zhàn)之一。

本文結(jié)合粵語的語音特點(diǎn)，使用現(xiàn)在流行的隱馬爾科夫建模工具HTK工具來設(shè)計(jì)一個(gè)電臺(tái)粵語敏感詞檢測系統(tǒng)。

2 電臺(tái)粵語敏感詞檢測系統(tǒng)的基本原理

基于HMM的粵語敏感詞檢測系統(tǒng)主要由語料庫，語音預(yù)處理模塊，特征提取模塊和語音標(biāo)準(zhǔn)模版等部分組成。具體的語音識別框圖如下圖1所示：

語音預(yù)處理模塊就是對輸入的原始語音信號進(jìn)行處理，濾掉其中的不重要信息及背景噪聲等，并進(jìn)行語音信號的端點(diǎn)檢測，即判定語音有效范圍的開始和結(jié)束位置，并進(jìn)行分幀和預(yù)加重等處理工作。

在經(jīng)過語音預(yù)處理模塊后，接下來的就是提取語音的特征參數(shù)。特征參數(shù)就是從語音信號中提取出有效的語音特征，去除語音信號的其他信息。在識別階段，將輸入語音的特征矢量參數(shù)和語音標(biāo)準(zhǔn)模版進(jìn)行相似性度量比較，最后輸出識別結(jié)果。

3 建立語音材料庫

在進(jìn)行語音識別前，建立語音材料庫，確定識別基本元。確定基本元后，標(biāo)記識別基本元。標(biāo)記基本元的工作，我使用的是WaveSurfer1.8的工具，用WaveSurfer1.8的工具打開用Adobe Audition CS6錄好的錄音材料，然后使用Label標(biāo)記好每個(gè)字的起始和結(jié)束位，就完成了一個(gè)詞的標(biāo)記工作。27個(gè)電臺(tái)敏感詞由15個(gè)男主持人和15個(gè)女主持人錄制，每個(gè)敏感詞錄制3遍。

4 基于HTK電臺(tái)新聞敏感詞檢測系統(tǒng)聲學(xué)建模

聲學(xué)建模是連續(xù)語音識別的關(guān)鍵步驟，其目的就是計(jì)算語音的特征矢量系列，為聲學(xué)單元建立一套聲學(xué)模型參數(shù)。HTK工具建立聲學(xué)模型步驟如圖2所示：

本系統(tǒng)識別用的是HTK中的HCopy模塊對語音進(jìn)行特征的提取，然后用到Hinit模塊對HMM模型進(jìn)行初始化，隨后用HRest和HERest庫模塊對HMM模型進(jìn)行重估，形成準(zhǔn)確的HMM模型，通過Hvite識別工具來對HMM模型進(jìn)行解碼，其中使用HTK中的HParse使其由識別語法變成識別網(wǎng)絡(luò)，最后輸出識別的結(jié)果。

5 粵語連續(xù)語音識別實(shí)驗(yàn)

5.1 更換訓(xùn)練集實(shí)驗(yàn)

實(shí)驗(yàn)中的語料庫共有27個(gè)詞匯，由30位會(huì)說粵語的人，其中男15人，女15人，用標(biāo)準(zhǔn)的粵語朗讀一遍，其中語音信息是已知的，并且用WaveSurfer1.8的工具進(jìn)行標(biāo)注。其中從語料庫中選擇前20組語音作為訓(xùn)練集，后10組語音作為測試集作為一個(gè)第一組實(shí)驗(yàn)，然后用30組語音作為訓(xùn)練集，后10組語音作為測試集來作為第二組實(shí)驗(yàn)，識別結(jié)果用HTK中的HResults模塊進(jìn)行輸出識別結(jié)果，第一組識別結(jié)果如圖3，第二組識別結(jié)果如圖4：

實(shí)驗(yàn)結(jié)果表明，第二組正確率（82.51%）高于第一組的正確率（75.31%），證明訓(xùn)練集的增加可以對非特定人識別的識別率有顯著的提高。

5.2 對大詞匯量連續(xù)語音的處理

對于大詞匯量連續(xù)語音的處理，可以采用深度學(xué)習(xí)的方法來代替GMM-HMM中的GMM，因?yàn)镚MM模擬任意函數(shù)的功能取決于混合高斯函數(shù)的個(gè)數(shù)，所以具有一定的局限性，屬于淺層模型。而深度網(wǎng)絡(luò)可以模擬任意的函數(shù)，因而表達(dá)能力更強(qiáng)。所以使用深度學(xué)習(xí)的基于統(tǒng)計(jì)語音模型作為粵語的非特定人大詞匯量連續(xù)語音識別系統(tǒng)的語言模型，來實(shí)現(xiàn)大詞匯量的連續(xù)語音識別。

6 總結(jié)

為了提高廣播監(jiān)播系統(tǒng)的智能化、高效性，減輕管理控制人員的工作壓力，將語音識別技術(shù)嵌入到廣播電臺(tái)監(jiān)播系統(tǒng)當(dāng)中。針對影響到安全播出的節(jié)目中出現(xiàn)的禁忌詞匯，或因播出信號受敵對勢力攻擊而出現(xiàn)的一些敏感詞匯，可利用語音識別技術(shù)，設(shè)計(jì)一套電臺(tái)廣播新聞敏感詞檢測系統(tǒng)，對播出信號進(jìn)行實(shí)時(shí)監(jiān)播。其最終研究成果和優(yōu)化的系統(tǒng)對廣播電臺(tái)的安全播出具有典型的指導(dǎo)意義，并且具有在全國各大廣播電臺(tái)推廣的價(jià)值。

參考文獻(xiàn)：

[1]王海濤.廣播電視監(jiān)播系統(tǒng)中音頻及語音數(shù)據(jù)處理技術(shù)研究[D].西北工業(yè)大學(xué)，2007：35-37.

[2]陳杰.基于語音識別的警報(bào)系統(tǒng)的設(shè)計(jì)及其在廣播中的應(yīng)用[J].2014.04：121.

[3]孔婷.基于語音識別的廣告監(jiān)播技術(shù)研究[D].南京理工大學(xué)，2013.7：1-2.

[4]張秋野，王力劭，丁鵬.連續(xù)語音識別網(wǎng)格技術(shù)在新聞制播平臺(tái)的應(yīng)用[J].電視技術(shù)，2010.02：58.

[5]陳蓉.語音識別技術(shù)在廣播電臺(tái)的應(yīng)用探討[J].廣播與電視技術(shù)，2008.10：134.

[6]劉洪斌.廣播電臺(tái)網(wǎng)絡(luò)音頻搜索系統(tǒng)初探[J].中國廣播，2011.06：47.

[7]布合力齊姑麗·瓦斯力.用MATLAB實(shí)現(xiàn)維吾爾語廣播新聞敏感詞檢索系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014.06：69.