[发明专利]针对儿童的语音识别方法及装置

说明书

技术领域

本发明涉及语音识别领域，特别是涉及一种针对儿童的语音识别方法及装置。

背景技术

随着智能移动终端技术和语音交互技术高速发展，以及语音交互技术在智能移动终端的广泛应用，使得智能移动终端具备语音交互功能。通常的语音交互技术中，由于受到采集难易程度和采集成本等不同因素影响，使得已知语料库中是以采集较为方便的成人语料为主，儿童语料占据比例小。但是，与成年人相比，儿童的发音有着声道长度短、发音速度变化大以及无意义语气词较多等特点，因此，采用上述已知语料库的语音识别系统对儿童语音的针对性不足，对成年人的语音进行语音识别处理的准确度要高于儿童的。

发明内容

本发明的一个目的是要提供一种至少部分地解决上述问题的针对儿童的语音识别方法以及相应的装置。

特别地，本发明提供了一种针对儿童的语音识别方法，包括：通过已知的语音语料库和文本语料库分别建立声学模型和语言模型；接收所述儿童的语音信号，并对所述语音信号进行前端处理；对经过所述前端处理的所述语音信号进行特征提取处理，以获取语音信号的声学特征；通过所述声学模型和所述语言模型对所述语音信号的声学特征进行解码搜索，以获得识别文本；对所述识别文本进行语义理解处理，以获得语义理解结果；其中所述通过已知的语音语料库建立声学模型包括：对所述语音语料库中的全部语音语料进行特征提取处理，并在所述特征提取处理过程中加入声道长度归一化技术，以获得所述全部语音语料的声学特征；根据所述全部语音语料的声学特征进行建模，以获得所述声学模型。

进一步地，所述建立声学模型步骤中，根据所述全部语音语料的声学特征进行建模包括：通过隐马尔科夫模型对所述全部语音语料的声学特征进行建模，以获得所述声学模型。

进一步地，根据所述全部语音语料的声学特征进行建模，以获得所述声学模型包括：对所述全部语音语料的声学特征进行建模，生成第一声学模型AM1；提取所述语音语料库中女性语音语料的声学特征，以所述AM1作为初始模型，对所述女性语音语料的声学特征进行建模，生成第二声学模型AM2；提取所述语音语料库中儿童语音语料的声学特征，以所述AM2作为初始模型，对所述儿童语音语料的声学特征进行建模，生成第三声学模型AM3，并确认所述AM3为所述声学模型。

进一步地，所述通过已知的语音语料库建立声学模型时，还包括：为儿童语音中的静音建立静音模型，并将所述静音模型加入所述声学模型，以识别儿童语音中的静音。

进一步地，所述通过已知的语音语料库建立声学模型时，还包括：为儿童语音中的语气词建立语气词模型，并将所述语气词模型加入所述声学模型，以识别所述儿童语音中的语气词。

进一步地，为多个语气词建立一个语气词模型，和/或，为每个语气词建立一个语气词模型。

进一步地，所述通过已知的文本语料库建立语言模型包括：抽取所述文本语料库中的10％至30％的文本语料作为待变形文本语料；对所述待变形文本语料进行变形处理，以获得变形文本语料；将所述变形文本语料与所述文本语料库中未被抽取的文本语料进行合并，以获得混合文本语料库；对所述混合文本语料库进行建模，以获得所述语言模型；其中对所述待变形文本语料进行变形处理包括；对所述待变形文本语料中所有的语句进行分词处理；在经过所述分词处理的所述待变形文本语料中，随机选择至少一个词进行重复处理，以获得所述变形文本语料。

进一步地，随机选择至少一个词进行重复处理，包括以下至少之一：随机选择至少一个词进行词重复处理；随机选择至少一个词进行词尾重复处理；随机选择至少一个词进行助声词增多处理，其中，所述助声词增多处理包括在所述待变形文本语料中，随机在两个词之间增加至少一个语气词。

进一步地，对所述识别文本进行语义理解处理包括如下步骤中的至少一个：通过对所述识别文本进行常规词语法分析，去除所述识别文本中连续出现重复的词，以获得所述语义理解结果；通过对所述识别文本进行常规词语法分析，去除所述识别文本中词尾重复的叠词，以获得所述语义理解结果；通过对所述识别文本进行常规词语法分析和句法分析，去除所述识别文本中词与词之间多余的语气词，以获得所述语义理解结果。