基于多流三音素DBN模型的音视频语音识别和音素切分

摘要：

为实现音视频语音识别和同时对音频视频流进行准确的音素切分,该文提出一个新的多流异步三音素动态贝叶斯网络(MM-ADBN-TRI)模型,在词级别上描述了音频视频流的异步性,音频流和视频流都采用了词-三音素-状态-观测向量的层次结构,识别基元是三音素,描述了连续语音中的协同发音现象.实验结果表明:该模型在音视频语音识别和对音频视频流的音素切分方面,以及在确定音视频流的异步关系上,都具备较好的性能.

关键词：语音识别、动态贝叶斯网络、音素切分、音视频

所属期刊栏目：31

分类号：TP391.42(计算技术、计算机技术)

资助基金：中国博士后科学基金和中国科技部与比利时弗拉芒大区科技合作项目[2004]487资助课题

在线出版日期：2009-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：297-301