CN114530141B 一种特定场景下的中英文混合的离线语音关键词识别方法及其系统实现 （北京航空航天大学）

一种特定场景下的中英文混合的离线语音本公开的实施例公开了一种中英文混合的活的更换关键词列表从而适应不同场景下的应2分析特定场景下的自定义关键词列表，以及结合预先训将所述梅尔频率倒谱系数嵌入特征向量依次输入所述解码网络空间中，得到识别结,p表示概率，P(s,sz……s)表示以顺序出现的关键词序列的概率，表示si在已知si-1和si-2的情况下的概率，si-1表示关键词序列中的第i-1个字，的音素不需要重新训练，只需要重新生成待识别关键词列表的字典信息和3元语言模型概定义语音采集的参数信息，调用音频处理接口以如下参数对原始语音进行量化处理：3化处理的语音帧编码信息x(n)=(xz(n),x2(n),.….,xm(n))合得到ti到tk时间段内的原始语音块信息f=(x(t),x(t2)…,x(tr))；对所述量化处理的语音帧编码信息计算平均声音强,n表示第n时刻，x表示语音帧编码信息，x(n)表示第n时刻采集到的语音帧编码信息，x1(n)表示第n时刻采集到的语音帧编码信息中的第1位，x2(n)表示第n时刻采集到的语音帧编码信息中的第2位，xm(n)表示第n时刻采集到的语音帧编码信息x(n)表示第n时刻采集到的语音帧编码信息中的第i位；分析声音强度变化，当关键词识别完成或长时间没有声,其中，表示平均关键词长度，n'表示关键词数量，i表以平均关键词长度为依据定义匹配窗口的长度wnd和窗口移动的距离rwnd，wnd满足1.5l≤wnd≤2l，当识别到关键词时rwnd=0.8l，如果未识别到关键词则rwnd=0.4l。5.根据权利要求4所述的方法，所述将所述梅尔频率倒谱系数嵌入特征向量依次输入4获取自适应关键词匹配窗口内的梅尔频率倒谱系数嵌入特征向量作为语音观察序,同一个语音观察序列分别在两个解码网络空间中使用维特比算,现的条件概率，在P时出现的条件概率，S2表示语音观察序列0在英文解码网表示英文最佳状态序列，表示在语音观察序列为时出现的条件概率，P(P)表示在语言模型中出现的概率，表示0在P时其中P(P.)和P(P)由语言模型获得，和则由隐马尔可夫模型在字典信息和语言模型的指导下，组合最佳状态路径，得对所述包含非关键词信息的识别结果，以关键词列表作为所述音素57.一种应用于如权利要求1所述方法的特定场景下的中英文混合的离线语音关键词识6经网络两种实现方案。基于隐马尔可夫模型的音素补白模型对关键词和非关键词都建立化。基于神经网络的音素补白模型则将关键词识别看作是关键词和非关键词的分类问题，[0005]对于基于模板匹配的语音关键词识别方法，也有基于DTW(DynamicTime模板语料即可实现更换待识别关键词，但是这种方式又带来非特定人识别效果较差的问7出简化语音活动检测和优化路径解码等策略提升系统识别准确率和响(n))，k个语音帧编码信息组合得到t1到tk时间段内的原始语音块信息f＝(x(t1)，x8音素为基本建模单元训练隐马尔可夫模型声学模型，以在线式废料模型构建音素补白模顺o1表示语音观察序列中(o12M)分别在两个解码网络空间中使用维特比算法并行计算解码，得到给定的语9出现的条件概率，P(Pe)表示Pe在语言模型i表示关键词列表中的第i个关键词，C表示由最佳状态路径组合得到的识别结果，[0015]本公开的一些实施例还提供了一种中英文混合的离线语音关键词识别系统，包例提出了自适应滑动窗口的语音关键词匹配，根据待识别的关键词长度定义滑动窗口长部分得到的包含废料信息的识别结果，以关键词列表作为音素后验概率得分的评判标准，[0019]图2是根据本公开的中英文混合的离线语音关键词识别方法的一些实施例的流程[0020]图3是根据本公开的中英文混合的离线语音关键词识别方法的另一些实施例的流[0021]图4是根据本公开的中英文混合的离线语音关键词识别方法的另一些实施例的流[0026]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性[0028]图1是本公开的一些实施例可以应用于其中的示例性系统的实现模块设计图。包[0029]语音监听模块主要包括麦克风录音模块、语音活动检测模块和语音特征提取模[0031]继续参考图2，示出了根据本公开的中英文混合的离线语音关键词识别方法的一(t1)表示t1时刻采集到的语音帧编码信息。x(t2)表示t2时刻采集到的语音帧编码信息。x[0035]将所述threshold作为当前环境下的静音阈值。根据该静音阈值判断声音的开始[0037]进一步参考图3，示出了根据本公开的中英文混合的离线语音关键词识别方法的语音活动检测得到的真正语音信号部分用一个滑动窗口再次分割成一个一个的小语音段。[0039]下面参考图4，其示出了根据本公开的中英文混合的离线语音关键词识别方法的同构成自定义关键词列表的中文解码网络空间和英文解码网络空间。当关键词列表更改分[0048]其中P(Pc)和P(Pe)由语言模型获得。P(O|Pc)和P(O|Pe)则由隐马尔可夫模型声学包含关键词和非关键词信息的识别结果C。以关键词列表作为音素输出概率得分的评判标[0054]本文中以上描述的功能可以至少部分地由一个或多个硬