基于發音特征的音／視頻雙流語音識別模型

摘要：構建了一種基于發音特征的音／視頻雙流動態貝葉斯網絡(dynamic Bayesian network，DBN)語音識別模型，定義了各節點的條件概率關系，以及發音特征之間的異步約束關系，最后在音／視頻連接數字語音數據庫上進行了語音識別實驗，并與音頻單流、視頻單流DBN模型比較了在不同信噪比情況下的識別效果。結果表明，在低信噪比情況下，基于發音特征的音／視頻雙流語音識別模型表現出最好的識別性能，而且隨著噪聲的增加，其識別率下降的趨勢比較平緩，表明該模型對噪聲具有很強的魯棒性，更適用于低信噪比環境下的語音識別。

關鍵詞：動態貝葉斯網絡；發音特征；音／視頻；語音識別

中圖分類號：TP391.42 文獻標志碼：A 文章編號：1001－3695(2009)07－2481－03