[发明专利]语音文本匹配云系统

权利要求书

1.一种语音文本云匹配系统，其特征在于：包括web服务模块、语音端点检测模块、语音识别模块和语音文本匹配模块；

所述的Web服务模块为用户提供web界面，用户可以通过该界面提交需要匹配的语音文件与参考文本，得到语音文本的匹配文件；

所述的语音端点检测模块将大的语音流分割成小的音频片段；

所述的语音识别模块可以并行的完成多个语音识别任务，将语音端点检测模块提交的音频文件转换为文字；

所述的语音文本匹配模块将语音识别输出结果同用户提交的文本进行对齐，从而得每个字或者词对应的发音时间信息。

2.如权利要求1所述的语音文本云匹配系统，其特征在于：所述的语音端点检测模块对于同一个语音文件仅提取一次声学特征，并利用语音文件的声学特征对语音文件进行分割。

3.如权利要求1所述的语音文本云匹配系统，其特征在于：所述的语音识别模块包括任务管理模块和多个识别节点；

所述的任务管理模块使用任务队列管理不同识别任务，使用作业队列来管理同一个识别任务不同作业的识别节点，并能将同一任务不同的识别节点的转写文本进行拼接，形成该任务语音文件识别后的完整转写文本；

所述的识别节点采用分布式架构并行完成语音识别，即每个识别节点具有独立的语音识别功能，对于分发给识别节点的音频片段能够进行语音识别给出转写文本；

所述的识别节点在识别过程中采用动态自适应的声学模型和语言模型进行语音识别。

4.如权利要求3所述的语音文本云匹配系统，其特征在于：所述的语音文本匹配模块包括对齐模块和自适应模块；

所述的对齐模块完成转写文本与用户提交的参考文本之间匹配工作；

所述的自适应模块控制其他模块对同一任务中的语音文件进行迭代分割、识别、匹配和初始化并更新该任务语音识别模块中识别节点的语言模型和动态自适应的声学模型；

语音识别模块中识别节点动态自适应的声学模型初始化成为系统提供的标准声学模型，语言模型采用该节点隶属任务的参考文本构建三元语言模型。

5.如权利要求4所述的语音文本云匹配系统，其特征在于：语音识别模块中的动态自适应的声学模型和语言模型对语音文本匹配模块中的自适应模块初始化并更新。

6.如权利要求4所述的语音文本云匹配系统，其特征在于：语音文本匹配模块中的对齐模块将识别后的转写文本同用户提交的参考文本利用编辑距离进行对齐，基于删除、插入和改写三类错误的个数利用动态规划算法计算编辑距离，并给出一个错误阀值；当某段转写文本与参考文本之间的编辑距离小于阀值就认为该段文本是可信对齐文本区间，该区间的转写文本同用户提交的参考文本是匹配的。

7.如权利要求书6所述的语音文本云匹配系统，其特征在于：语音文本匹配模块中的自适应模块对同一语音文本匹配任务，控制语音端点检测模块对该任务上次迭代的不属于可信文本区间对应的音频流进行重新分割，并对该任务隶属的识别节点的声学模型和语言模型进行更新后，再次对不属于可信文本区间对应的音频进行识别，并控制对齐模块重新计算可信对齐区间；分割，识别，对齐等过程迭代进行，直到匹配本文的三类错误小于给定阀值或是小于一个给定的迭代次数。

8.如权利要求书4所述的语音文本云匹配系统，其特征在于：语音文本匹配模块中的自适应模块对同一音频文本匹配任务的所有识别节点的声学模型仅在第一迭代后更新一次，而语音模型每次迭代后进行更新；

所述对声学模型的更新是使用可信对齐文本区间和其对应的音频数据，采用最大似然线性回归训练一个全局的变换，再使用该变换优化该任务对应的识别节点的声学模型；

所述对语音模型的更新是对语言模型采用有限状态的语法约束，该语法只允许对上次迭代不属于可信文本区间的参考文本的字序列做分割。