CN1112698A - 汉语语音识别系统的拼音校正法

Info

本发明汉语语音识别系统的拼音校正法，属于语音识别输入汉字的信息处理技术领域。本发明针对语音识别率不高和语音理解数据处理量过大的问题，将原来不相关的语音到拼音的转换过程中，引入上文的知识，以减少语音识别混淆度，提高语音识别系统的识别速度和识别率，从而提高系统整体的性能。

本发明汉语语音识别系统的拼音校正法，属于语音识别输入汉字的信息处理技术领域。

汉语语音识别技术目前已转化为一种实用的产品，如“四达-863语音识别系统”，这些系统将人机直接对话变为一种实用的汉字输入方法，使人们在使用电脑输入汉字时摆脱键盘。但是语音识别的复杂性，使得人们很难对现有的语音系统识别率十分满意，主要原因有：

1.汉语的全部1254个读音中有很多音易混淆，如z，c，s，zhi，shi，chi等。

2.每个人在不同的环境及心理作用下，发音不同。

3.受目前的计算机设备在速度以及容量上的限制。

“知音文书系统”中的语音识别予系统，在语音识别后，得到6个可能性最大的候选音，而每个音又对应多个可能的汉字（平均5.87个），这样在使用智能拼音输入法时，会给系统带来以下困难：

1.计算量大、占用过多机时。

2.由于后选字太多，会使系统产生一些无法避免的错误。

本发明的目的：就是针对前语音识别系统中的不足，以使语音识别系统既能容忍语音识别率不高，又能给语音理解减轻负担，从而减少语音识别混淆度，提高语音识别系统的识别速度和识别率，进而提高系统整体的性能。

本发明的基本技术特征是：针对语音识别率不高和语音理解数据处理量过大的问题，将原来不相关的语音到拼音的转换过程，引入上文的知识，以减少语音识别混淆度，提高语音识别系统的识别速度和识别率。而由语音到拼音的转换，是通过引入上下文的转移概率P（W_i/W_i-1）来辅助实现的。

根据汉语语音规律对于一个句子，可以认为是一个读音串R＝（R₁，R₂，…，R_N），相应的拼音为W＝（W₁，W₂，…，W_n），为找出i时刻发音R₁对应的W₁，根据最大后验概率准则：

W₁=(Arg max P(W^(j) ₁/A_i)

j

由Bayes公式：

W_i=Arg max P(A_i/W^(j) _i).P(W^(j) _i)

j

W_i=Arg max P(R_i/W^(j) _i)_*P(W^(j) _i/W_i-1)

j

其中，P（R_i/W^（j） _i）由语音识别部分给出，校正的任务是给出P（W^（j） _i/W_i-1）。

P（W^（j） _i/W_i-1）是经过大量的本文统计得到的。在实现时，先用P（W^（j） _i/W_i-1），再由计算机优化语音识别的结果。

下面举一实例，加以说明：当语音输入“中”“国”时，可能的候选音和经过处理后的候选音如下：

经过处理后的统计结果表明，首选的正确率能提高7%，而且可以将4个候选字送到下一级语音理解，完成音字转换，大大节省了时间，提高了正确率。

本发明与本公司发明“智能拼音输入法”（专利受理号：94103482.8）紧密结合，使语音识别的正确率达到80%到90%左右。

本发明的突出特点：

1.提高语音识别率7个百分点，使语音识别系统的实用性能增强。

2.语音识别的时间短，速度快。

3.数据占用空间少。

1、本发明汉语语音识别系统的拼音校正法，其特征在于：当输入语音系统进行识别时，把原来不相关的语音到拼音的的转换过程，引入上文的知识，以减少语音识别混淆度，从而提高语音识别系统的速度和正确率。

2、根据权利要求1所述，汉语语音识别系统的拼音校正法的特征在于：由语音到拼音的转换，是通过引入上下文的转移概率P（W_i/W_i-1）来辅助实现的，即在实现时先用统计出的P（W_i/W_i-1），再由计算机优化语音识别的结果。

3、根据权利要求1所述，汉语语音识别系统的拼音校正法的特征在于：在输入一个语音后，语音识别首先计算出10个候选字，由本方法优化为4个候选字，选入下一级语音理解，并完成音字转换。