添加音素持续时间信息到频谱模型的说话人辨认研究

• 作者: 刘大鹏 尾关和彦 朱庆生
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 说话人声音辨识 高斯混合模型 音素持续时间信息
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 156-159
• 页数: 4页
• 分类号: TP391.42|TN912.3
• 字数: 3050字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2007.05.046

摘要

传统的声音识别系统通过短时声音频谱信息来辨识说话人,这种方法在某些条件下具有较好的性能.但是由于有些说话人特征隐藏在较长的语音片段中,通过添加长时信息可能会进一步提高系统的性能.在文中,音素持续时间信息被添加到传统模型上,以提高说话人辨识率.频谱信息是通过短时分析获得的,但音素持续时间的提取却属于长时分析,它需要更多的语音数据.通过大量语音数据探讨了音素持续时间信息对说话人辨识的有效性,提出2种方法来解决数据量小所引起的问题.实验结果表明,当说话人的声音模型被恰当建立时,即使在语音数据量小情况下,音素持续时间信息对说话人辨识率的提高也是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱庆生	重庆大学计算机学院	175	1952	22.0	33.0