[发明专利]一种语音关键词识别中扩增语料的选取方法

权利要求书

1.一种语音关键词识别中扩增语料的选取方法，其特征在于，包括下述步骤：

采用语音转换技术对含关键词的原始语音进行语音转化，得到生成语音，所述生成语音包括多个同一语义但不同说话人信息的语音；

对原始语音进行语音端点检测，去除静音部分，再获取原始语音和生成语音中含关键词的语音片段，分别表示为原始语音关键词片段和生成语音中关键词片段；

利用原始语音关键词片段分为男女两类样本，分别训练通用背景混合高斯模型UBM_M、UBM_F，再用第i个关键词的男女两类原始语音关键词片段分别训练混合高斯模型GMM_(M，i)、GMM_(F，i)；

采用一种新的通过GMM模型进行二分类的方法对相应关键词i的生成语音x_(i，j)进行性别分类：

采用GMM分离度度量方法判断GMM分量距离，将分离度较小的设为相似GMM分量，去除混合高斯模型GMM_(M，i)、GMM_(F，i)中相似的GMM分量，使用剩下的分离度较大的分量形成新的混合高斯模型GMM′_(M，i)、GMM′_(F，i)，用新生成的混合高斯模型GMM′_(b，i)、GMM′_(g，i)对生成语音关键词片段进行男女分类，进而得到生成语音的性别信息；

借用轮廓系数评价思想对轮廓系数进行适合GMM模型的修改后，形成改进后的评价系数对生成语音中关键词片段进行评价，选取满足设定条件的生成语音作为训练样本。

2.根据权利要求1所述的语音关键词识别中扩增语料的选取方法，其特征在于，所述采用语音转换技术对含关键词的原始语音进行语音转化，具体步骤包括：

根据语音转换原理，音调变化在4到8个大调可以改变语音说话人性别，对男性语音进行-2到+8个大调的转换，女性语音进行-8到+2个大调的转换，使每一句含关键词语音得到多个同一语义但不同说话人信息的语音。

3.根据权利要求1所述的语音关键词识别中扩增语料的选取方法，其特征在于，所述对原始语音进行语音端点检测，去除静音部分，再获取原始语音和生成语音中含关键词的语音片段，具体步骤包括：

采用语音端点检测方法去除原始语音样本中的静音部分，再提取语音中关键词所在的语音片段，提取的语音片段时间为：

其中，设语音语义为L_z个字，总时长为L_s，关键词有a个字，关键词为第d到d+a-1个字。

4.根据权利要求1所述的语音关键词识别中扩增语料的选取方法，其特征在于，所述采用GMM分离度度量方法判断GMM分量距离，GMM分离度度量公式如下：

其中，∑(u_i，j-u_k，l)²为对模型G_i的第j个高斯函数和模型G_k的第l个高斯函数各维度均值的平方和，Πσ_i，j是指对模型G_i的第j个高斯函数各维度方差的积，Πσ_k，l是指对模型G_k的第l个高斯函数各维度方差的积。

5.根据权利要求1所述的语音关键词识别中扩增语料的选取方法，其特征在于，所述借用轮廓系数评价思想对轮廓系数进行适合GMM模型的修改后，形成改进后的评价系数对生成语音中关键词片段进行评价，具体采用GMM的后验概率代替样本与类之间的距离，后验概率越大，代表距离越小，修改后的表达式如下：

若计算类的轮廓系数，P(i)表示第i类样本在该类GMM模型中的后验概率的平均值，P(i)′表示第i类样本其它类GMM模型的平均后验概率的最大值；

若计算单个样本的轮廓系数，P(i)表示第i个样本在该类GMM模型中后验概率，P(i)′表示第i个样本到其它类GMM模型的后验概率的最大值，S(i)取值在[-1，1]之间，S越接近1，代表效果越好；

使用原始语音关键词片段得到第i个关键词类的轮廓系数S_i，对单个生成语音片段x′_(i，j)计算轮廓系数若则将该语音作为第i个关键词训练样本，反之则舍弃，其中，α_i根据不同关键词类进行取值。