以自底向上方式将声调集成到汉语连续语音识别系统中的方向、装置和系统

摘要

根据发明的一个方面，提供一种方法，其中关于带声调音节语言的声调特征的知识在自底向上识别结构中被用来在多个层次上模拟话音。自底向上识别结构中的多个层次包含声学层次、语音层次、词层次和语句层次。在声学层次上音调被看作连续声学变量并且从话音信号中抽取的音调信息被作为特征向量的特征分量。在语音层次上具有相同语音结构但不同声调的主元音被定义和模拟成不同的音素。在词层次上使用一组声调变化规则建立训练数据的副本和解码的读音格。在语句层次上一组具有轻声的语句结束词被加到系统词汇表中。

主权项

1.一种方法，包括：将一个表示带声调音节语言输入话音的输入信号转换成一组特征向量，该输入话音包括一或多个词，每个词包括一或多个音素，每个特征向量代表一帧输入话音并且包含一个含有对应帧的音调信息的音调特征；根据特征向量和一组语音统计模型确定输入话音中包含的音素，其中每个语音统计模型均代表一组带声调音素中的一个不同音素，具有相同的语音结构但不同的声调的音素被确定为不同的音素；并且根据确定出的音素，一组词统计模型和一组声调变化规则确定输入话音中包含的词。