[发明专利]一种语音文件查询方法和装置

说明书

技术领域

本发明涉及语音检索技术领域，尤其涉及一种语音文件查询方法和装置。

背景技术

现有技术中，通常的语音文件查询方法有如下两种：

第一种：首先，使用自动语音转写技术将每一条目标语音文件分别转换成对应的文字形式的目标文本文件，然后通过文本检索技术建立目标文本文件的索引。

在查询过程中，输入文字查询词，比较查询词与每个目标文本文件的相似度，并根据相似度对目标文本文件进行排序，从而查询到与查询词最接近的目标文本文件，并最终得到与查询词最接近的目标语音文件。或者，在查询过程中，直接输入待查询语音文件，将待查询语音文件转换成对应的待查询文本文件，然后比较相似度，得到与待查询语音文件最接近的目标语音文件。

第二种：首先，将每一条目标语音文件分别转写成音节/音素序列。

在查询过程中，将输入的文字查询词或待查询语音文件转写成音节/音素序列，通过比较音节/音素序列的相似度，得到与文字查询词或待查询语音文件最接近的目标语音文件。

上述两种方法共同的缺点是：需要将目标语音文件、以及文字查询词或待查询语音文件转写成文字或音节/音素形式，由于自然语音存在着口音多变、噪声环境复杂等问题，语音转写的错误率很高，因此造成语音查询的精确度不高。发明内容

本发明提供了一种语音文件查询方法，能够提高语音查询的精确度。

本发明还提供了一种语音文件查询装置，能够提高语音查询的精确度。

本发明的技术方案是这样实现的：

一种语音文件查询方法，包括：

将每个目标语音文件分别转换成对应的目标音节混淆网络；

将待查询语音文件或待查询文本转换成对应的待查询音节混淆网络；

计算所述待查询音节混淆网络与各个目标音节混淆网络的相似度，获取相似度最高的一个以上目标音节混淆网络所对应的目标语音文件。

一种语音文件查询装置，包括：

转换模块，用于将每个目标语音文件分别转换成对应的目标音节混淆网络；将待查询语音文件或待查询文本转换成对应的待查询音节混淆网络；

相似度计算模块，用于计算所述待查询音节混淆网络与各个目标音节混淆网络的相似度；

获取模块，用于获取相似度最高的一个以上目标音节混淆网络所对应的目标语音文件。

可见，本发明提出的语音文件查询方法和装置，通过将目标语音文件和待查询语音文件/待查询文本转换成音节混淆网络，并比较音节混淆网络的相似度以实现语音文件查询，避免了将语音转写成文字或音节/音素形式过程中出现的错误，能够提高语音查询的精确度。

附图说明

图1为本发明提出的语音文件查询方法实现流程图；

图2为音节混淆网络示意图；

图3为实施例二的实现流程图；

图4为实施例三中所应用的其中一个音节混淆网络示意图；

图5为实施例三中构造成功的倒排索引示意图；

图6为实施例五中所应用的查询音节混淆网络S的示意图；

图7为本发明提出的语音文件查询装置结构示意图。

具体实施方式

本发明提出一种语音文件查询方法，如图1为该方法实现流程图，包括以下步骤：

步骤101：将每个目标语音文件分别转换成对应的目标音节混淆网络；

步骤102：将待查询语音文件或待查询文本转换成对应的待查询音节混淆网络；

步骤103：计算所述待查询音节混淆网络与各个目标音节混淆网络的相似度，获取相似度最高的一个以上目标音节混淆网络所对应的目标语音文件。

上述方法中，将目标语音文件和待查询语音文件/待查询文本转换成音节混淆网络，通过比较两个音节混淆网络的相似度，能够查询到包含待查询语音文件/待查询文本的目标语音文件。上述方法避免了将语音文件转写成文字或音节/音素形式，因此能够避免因该转换过程中出现错误而对语音查询造成的不利影响。

以下举具体的实施例，分别介绍上述各个步骤的实现方式。

实施例一：

本实施例介绍将目标语音文件或待查询语音文件转换成音节混淆网络的具体方式。

首先介绍音节混淆网络。音节混淆网络是一种特殊的加权有向图结构，满足如下条件：任意一条从初始节点到结束节点的路径必须经过所有的其他节点，图2给出了一个音节混淆网络的示例。把音节混淆网络的节点按顺序排成一个序列，边仅存在于相邻的两个节点之间，边上有音节标签和权重。两个相邻节点之间可以存在若干条边，所有边上的权重之和为1。