基于特征空间轨迹信息的语音关键词检测方法

当前语音关键词检测的主流技术为深度学习,需要大规模标注样本进行训练,难以应用于更普遍的低资源场景.本文提出一种基于音频特征空间轨迹信息的低资源语音关键词检测方法,该方法基于“词是由更小语言单元(音节、音素)的结构化组成,以及语言单元声学特征具有稳定性(统计意义)”的事实,结合物理几何空间定位的原理,构建语音关键词的特征空间表达、时序信息表达和局部区分信息知识.语音关键词检测时,依据语音段的特征空间轨迹信息分层次进行判决,实现了模式信息与统计信息的综合应用.其中语音特征空间是利用丰富的无标注语音样本构建音频特征空间的标识子表达,而语音关键词的特征空间轨迹信息利用少量关键词语音样本构建.多个实验结果表明,本文算法在低资源时(100个样本以下),相比HMM和CRNN有显著优势,10个训练样本时,相比HMM,FRR绝对下降了20.5%,FAR绝对下降了8.7 FP/h;而在训练样本量较充分(300个样本及以上)时,与CRNN有大致相当的性能.

关键词检测系统中基于音素网格的置信度计算

该文提出了一种基于音素网格的置信度计算方法。与传统的基于整个声学模型的置信度不同的是,这种方法在解码器生成的音素网格上计算关键词的置信度,从而具有更好的拒识能力。另外,针对两种置信度取值范围的不同,该文采用权重因子的方法综合利用两种置信度,取得了较好的效果。在自然对话的电话数据测试中,与传统的置信度计算方式相比,混和置信度的FOM(Figure Of Merit)值相对提高了17.0%。

一种基于互补声学模型的多系统融合语音关键词检测方法

采用一种基于互补声学模型的多系统融合方法来获得高性能的语音关键词检测系统:1)在基线系统的基础上,使用不同的音素集进行声学建模,并引入基于神经网络的声学建模方法,获得另外两套具有建模差异性的声学系统;2)在多套关键词检测系统的基础上,通过选择有效的系统融合准则,将多个系统的输出进行整合,获得更好的语音关键词检测结果.该方法充分利用了差异性声学建模系统之间的互补性,在不增加训练数据的情况下,显著地提升了最终系统的性能.和基线系统相比,该方法在2005年国家863电话语音关键词检测技术评测集上,在等错误率(Equal error rate,EER)指标下,获得相对21.6%的显著性能提升.

基于音素后验概率的样例语音关键词检测方法

低资源条件下的语音关键词检测是一个具有挑战性的问题,因为传统的基于大词汇量连续语音识别(LVCSR)的语音关键词检测方法不再适用.针对此问题提出了一种基于深度神经网络(DNN)输出层后验概率特征和改进的动态时间规整(DTW)算法的语音关键词检测方法.采用无监督高斯混合模型(GMM)和中、英文DNN音素模型得出的输入特征构建互补的子系统,并在SWS2013多语种数据集上进行实验.结果表明:相对于基线系统,分数层面的多语种、多系统融合能够有效地提升语音关键词检测系统的性能.

采用词图相交融合的语音关键词检测方法

针对词图合并方法产生的词图冗余信息过多,规模较大,导致检索速度较慢的问题,本文提出了一种基于词图相交融合的语音关键词检测方法。首先,将不同语音识别系统产生的词图取交集,并对相同路径上的声学模型、语言模型得分进行得分融合;然后,对于融合后词图中存在的间断路径,直接利用性能最优的语音识别系统产生的词图进行补充,得到完整的融合词图;最后,在相交融合后的词图上进行关键词检测。实验表明,相交融合后的词图综合利用了各词图的得分信息,在基本不损失词图对正确内容覆盖率基础上,减少了冗余信息,有效降低了索引规模;并且在关键词检测性能ATWV指标下,基于词图相交融合的关键词检测方法相比词图合并方法相对提升5.3%。

广播新闻语音的关键词检测系统

提出了一种两阶段的关键词检测策略,关键词表可即时配置、即时使用。与以往不同的是,解码是在整个声学空间上进行的,而不仅仅是关键词所构成的声学空间。首先,利用维特比解码得到最优候选的音素序列。然后,通过关键词列表,可以产生候选的关键词。最后,采用了基于声学模型的置信度与基于网格的置信度相结合的方法来降低虚警。实验证明,新的框架下关键词检测的性能得到了显著的提高。

基于得分归一化和系统融合的语音关键词检测方法

为了有效利用不同关键词检测系统的互补性,解决不同系统检测结果置信度得分不在同一范围的问题,提出了一种基于得分规整和系统融合的语音关键词检测方法。首先,为了克服连续语音识别系统中因剪枝错误而引起的关键词丢失问题,应用了关键词相关的软Beam宽度剪枝策略裁剪词图;其次,在系统融合前采用得分归一化方法,使得不同系统关键词检测结果置信度得分在同一范围;最后,通过系统融合处理将不同系统的关键词输出进行整合,得到最终的关键词检测结果。实验结果表明,经过得分归一化处理后,关键词检测性能的实际查询词权重代价(Actual term-weighted value,ATWV)平均相对提升30%;系统融合后关键词的检测性能,相比于得分归一化处理后的最佳单一系统,得到了10%的提升。

关键词检测系统中声学置信度的应用

从假设检验和模式识别的角度分别介绍了置信度的概念及其在实际关键词检测系统中的应用，并提出3种新的基于识别结果本身信息的声学置信度：基于状态长度归一化的置信度、基于特征矢量信息的置信度和基于状态驻留的声学置信度。与传统的基于似然比的声学置信度相比，这3种置信度几乎不需额外的训练和建模，计算简单，且均较易设置统一的拒识门限。实验结果表明基于状态驻留和基于特征矢量信息的置信度的性能较好，能够有效降低基线系统的虚警率。

基于HMM的连续语音中的关键词检测

关键词检测是语音识别中一个重要的研究方向。本文针对说话人的连续语音提出了一种基于HMM模型的关键词检测方法,并针对关键词模型、垃圾模型及关键词的检测策略进行了研究。实验表明,该方法具有一定的可行性,大大提高了系统的实用性。

离散变换算法在关键词检测系统中的研究

(黑龙江科技大学)【摘要】阐述了一个在较强噪声环境下针对汉语非特定说话人的连续无限制语音流中检测出其中关键词语音的公交车路线查询系统.为增强其关键词语音信号提出了建立一种新的基于离散变换的语音增强算法.并对同一噪声环境下增强关键词语音信号的模型与未增强关键词语音信号的模型进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检测率同时,有效地降低了误报率,系统的整体性能较好,具有一定的实用性.

基于词表树结构填料模型的关键词检测技术

关键词检测技术是语音识别领域中一个重要的研究方向。对于关键词检测系统来讲,若要求达到高检测率的同时希望虚报率较低,仅仅建立关键词模型是不够的。填料模型的结构和类型对整个系统的性能相对会有更大的影响。对于非特定说话人的连续语音中出现的非关键词语音提出建立一种新的有效的基于词表树结构的填料模型。实验结果表明,与传统的基于音节格和音节聚类的填料模型相比,关键词的检测率有了很大的提高,系统的综合性能较好,具有一定的可行性和实用性。

语音增强技术在关键词检测系统中仿真研究

描述了一个机票定制系统,在强噪声环境的公共场所针对汉语小词汇量非特定说话人的连续无限制语音流中检测出其中的关键词语音.为增强其关键词语音信号提出建立一种新的基于行为模式分解的语音增强算法.对同一噪声环境下增强关键词语音信号的HMM与未增强关键词语音的HMM进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检测率同时,有效地降低了虚报率,系统的整体性能较好,具有一定的可行性与实用性.

垃圾模型技术在关键词检测系统中的应用

对于关键词检测系统来讲,垃圾模型的结构和类型对整个系统的性能有很大的影响。文中针对中文关键词检测系统提出了一种与上下文相关的垃圾模型。通过实验验证,关键词的检测率有了很大的提高,实验结果表明了该模型的有效性。

基于分割识别的蒙古语语音关键词检测方法的研究

蒙古文属于黏着语,词根和后缀能够组合成近百万的蒙古文单词。现有的蒙古语大词汇量连续语音识别(LVCSR)系统的发音词典无法包含所有蒙古文单词。同时发音词典较大时,训练语料的稀疏将导致LVCSR系统的性能明显下降。为了解决LVCSR系统中大多数蒙古文单词的识别问题和蒙古语语音关键词检测系统中大量集外词的检测问题,结合蒙古文的构词特点,提出了基于分割识别的蒙古语LVCSR方法,并建立了对应的声学模型和语言模型。最后,将此方法应用到了蒙古语语音关键词检测系统中并在蒙古语语音语料上进行了测试。实验结果表明,基于分割识别的蒙古语LVCSR方法能解决大部分蒙古文单词的识别问题,并将蒙古语语音关键词检测系统的大量集外词转化成了集内词,大幅度提高了检测系统的查准率和召回率。

基于词级DPPM的连续语音关键词检测

提出一种基于词级区分性点过程模型的连续语音关键词检测方法。利用时间模式结构和多层感知器计算每个音素帧级后验概率,使用区分性点过程模型将一段时间内多个音素事件形成的点过程作为整体,把关键词检测看作二元分类问题,经分段和拼接构成超矢量,输入支持向量机分类器,判断该段语音是否为待检测关键词。该方法充分考虑语音信号上下文相关性,直接以词作为基本单元建模,提高了系统检测的准确性和鲁棒性。实验结果表明,对采样的语音,其关键词平均召回率和准确率分别可达71.5%和84.6%以上,并且结合相关语言模型知识,系统性能将会进一步提高。

几何信息与SIFT特征相结合的特定人手写关键词检测

中文汉字类别繁多,书写随意性大,使得中文的手写体关键词检测具有很大的挑战性。提出一种基于文字几何信息和SIFT特征相结合的手写体关键词检测方法,通过计算文本图像特征的匹配度来检测特定书写人的手写关键词。尺度不变特征转换(scale invariance feature transform,SIFT)局部特征具有良好的稳定性和独特性,既能适应同一书写人手写汉字的差异,又能区分不同书写人的书写笔迹。结合文字的几何信息,通过滑动窗口和最大团查找方法可以有效地删除误匹配点,极大地提高关键词检测的成功率。对大量手写体文本图像的实验结果表明,该方法能够有效检测同一书写人的相同关键词,具有较高的召回率和准确率。

基于动态匹配词格检索的关键词检测

对生活中涌现的海量语音数据需要进行快速而准确的检索.提出一种基于动态匹配词格检索的关键词检测方法,应用TRAP特征和多层感知器创建更为精准的音素Lattice.在索引阶段执行一个改进的维特比算法遍历Lattice来创建一个固定长度的音素序列数据库,在检索阶段应用最小编辑距离作为置信度来实现关键词的检出.实验结果表明,该方法相比应用MFCC和PLP特征的基线系统具有一定的优势,召回率可提升5%左右.

基于点过程模型连续语音关键词检测

提出了基于点过程模型(PPM)的连续语音关键词检测方法。该方法首先利用时态模式(TRAP)特征和多层感知器(MLP)计算每个音素的帧级后验概率,在此基础上,将语音可看作多个相互独立的事件(音素),利用泊松过程对事件建立点过程模型,最后通过计算似然比达到关键词检测目的。实验结果表明,对8 kHz采样语音,关键词平均召回率和准确率分别可达69.5%和82%以上。

基于特征空间轨迹匹配方式的语音关键词检测法

语音关键词识别是近年来颇受重视的一个研究领域,文章基于特征空间轨迹的时间规整化原理,提出了一种高性能的关键词检测法,并探讨了轨迹等分长度对该算法检测性能的影响。实验结果表明,基于特征空间轨迹匹配方式的关键词检测法的检测性能接近于人工检测,具有一定的实用性。

基于非均匀MCE准则的DNN关键词检测系统中声学模型的训练

关键词检测是从连续语音流中检测预先定义的给定词的技术,是语音识别领域的一个重要应用。目前的关键词检测研究中,主流的方法是基于连续语音识别器的先识别后检测的两阶段方法,语音识别器的准确率对关键词检测有很大影响。本文首先在识别阶段引入深度学习技术来改善关键词检测算法的性能。进而针对识别阶段和检测阶段缺乏紧密联系,耦合度不够的问题,研究了侧重关键词的深度神经网络声学建模技术,利用非均匀的最小分类错误准则来调整深度神经网络声学建模中的参数,并利用Ada Boost算法来动态调整声学建模中的关键词权重。结果表明,利用非均匀最小分类错误准则来调整深度神经网络参数进行优化的声学模型,可以提高关键词检测的性能。