語音識別:抗噪音能力有待加強(qiáng)
王向東 欒煥博 林守勛 錢躍良 2006/08/11
語音識別已經(jīng)成為一個面向多種應(yīng)用、滿足多種需求的龐大體系,這種技術(shù)的廣泛應(yīng)用推動了語音識別評測的誕生,而評測反過來又推動了語音識別技術(shù)的進(jìn)步。 文字正確率 = 1 - 文字錯誤率
表中的最高正確率基本可以代表該分項的最高水平,前三名的正確率均值可以一定程度上反映該分項的平均水平,而前三名正確率的方差可以反映該分項中各系統(tǒng)的性能差異程度。
從表中可以看到,桌面連續(xù)語音識別分項中,漢語的識別效果遠(yuǎn)遠(yuǎn)好于英語(文字正確率最多相差20個百分點(diǎn))。其原因顯然在于國內(nèi)對漢語語音識別的研究比英語多而且深入。另外,英語訓(xùn)練語料的相對缺乏,也是一個重要原因。
在采用了語法限制的語義槽識別任務(wù)和槽識別正確率作為評測指標(biāo)后,電話連續(xù)語音的槽識別正確率較低。事實(shí)上,由于電話語音的錄制環(huán)境為辦公室環(huán)境,其噪音比桌面語音要小得多,所以正確率較低的原因主要在于對語法的處理和槽識別正確率較低。
嵌入式設(shè)備命令詞識別的正確率與桌面語音字正確率大致相當(dāng)。一方面,連續(xù)語音識別要比孤立詞識別困難,另一方面,嵌入式設(shè)備的語音通道和計算資源都比PC差得多,從結(jié)果可以看出,這兩方面的因素基本抵消。
從各分項前三名的正確率方差可以看出,漢語桌面連續(xù)語音識別和嵌入式設(shè)備命令詞分項中各系統(tǒng)的性能差異較小,而英語桌面連續(xù)語音識別,特別是一倍實(shí)時任務(wù)中各系統(tǒng)性能差異較大。這是因?yàn)楫?dāng)前語音識別的研究重點(diǎn)在于前者,研究者較多,研究也比較深入,而英語的識別相對來說研究者較少。
3. 影響系統(tǒng)識別性能的因素
從上面的識別結(jié)果評價可以看出,對真實(shí)噪音環(huán)境下錄制的語音數(shù)據(jù),當(dāng)前的語音識別系統(tǒng)識別正確率偏低,還很難達(dá)到實(shí)用。
從語音識別產(chǎn)生以來,噪音一直是影響識別效果的主要因素。為了分析噪音對識別的影響,將評測數(shù)據(jù)按信噪比(SNR)分段,從參評系統(tǒng)選取三個,分別計算其在各段內(nèi)的識別正確率,可以看出,識別正確率基本上隨著SNR的增大而提高,SNR在20dB以上的數(shù)據(jù)正確率比SNR在5~10dB的數(shù)據(jù)高近30個百分點(diǎn)。對桌面連續(xù)語音識別的其他分項和嵌入式命令詞識別的結(jié)果分析也得到類似的結(jié)果。
對于電話連續(xù)語音識別來說,由于錄制環(huán)境是辦公室真實(shí)環(huán)境,因此噪音并不是影響性能的主要因素。電話連續(xù)語音識別分為5個子領(lǐng)域,每個子領(lǐng)域各有一套語法。評測句子由語法生成的有效成分在前后加上任意長的填充詞(filler)構(gòu)成,如語法生成的句子為“從天安門到中關(guān)村怎么坐公交車”,而實(shí)際錄制的句子是“你好,請問從天安門到中關(guān)村怎么坐公交車,可以查到嗎?”,其中的“你好,請問”和“可以查到嗎”就是filler。由分析可以發(fā)現(xiàn),不同領(lǐng)域內(nèi)的槽識別正確率相差很大。這主要有兩個原因,一是不同領(lǐng)域的語法復(fù)雜度不同,二是不同領(lǐng)域內(nèi)有filler的句子所占比例不同。為了進(jìn)一步衡量filler對識別的影響,選取三個識別系統(tǒng),將有filler的句子和沒有filler的句子分別計算識別率,統(tǒng)計結(jié)果如圖2所示。從圖中可以看出,filler對識別的影響是相當(dāng)大的,無filler的句子比有filler的句子識別正確率可以高幾十個百分點(diǎn)。
計算機(jī)世界網(wǎng)(www.ccw.com.cn)
語音識別應(yīng)用促進(jìn)技術(shù)發(fā)展 2006-07-31 |
識別語音的幾種依據(jù) 2006-07-31 |
語音識別技術(shù)突飛猛進(jìn) 終有一天超過人? 2006-07-20 |
語音識別標(biāo)準(zhǔn)之痛 2006-06-19 |
你好!新語音識別時代 2006-06-01 |