基于大学生的汉语说话人识别语音库设计
- 格式：pdf
- 大小：334.87 KB
- 文档页数：5
语 音库 分别 包 含 了 ５ ３人和 ６ ７人 的 电话 对话 ， ４ ５
语 料 的有效 来源 ， 且语 料 的采集 工 作 相对 容 易 组
织实施 ， 因此 本文 设计 了一 种基 于 在 校大 学 生 的
说 话人 识别语音 库 Ｕ Ｓ Ｍ Ｄ。鉴 于 Ｍａａ ｔｂ的高效 数 ｌ 值 计算 功能 、 速开发脚 本语 言 、 快 以及 其数据 库 工 具 箱 提供对 诸如 ＭＳＡ Ｃ Ｓ 、 Ｑ ｅｖｒＯａ Ｃ Ｅ Ｓ ＭＳＳ ＬＳｒｅ、ｒ—
昌吉学 院学 报
２０ ０ ８年第 ６期
基 于 大 学 生 的 汉 语 说 话 人 识 别 语 音 库 设 计
王 宏 李 鑫 高 阳
（ 昌吉学 院计 算机应 用研 究所
摘
新 疆 昌吉
８ １０ ） ３ １０
要： 本文设 计了一个基于在校大学生的说 话个 ＭＳ 其
体特征变迁、 文本有关和 文本无 关的说活人识别。该语音库 包含 ２ ４名说话人 的 １ ２期录音 ， 相邻 录音 间隔从 １
天到 ６ ０天 不等 ， 同一 间安 静 的 办公 室 环 境 下 录制 完 成 。 录 制 语 料 包括 ： 立 数 码 ， 码 串 ， 度 从 １到 ｌ 在 孤 数 长 Ｏ
Ｏ Ｉ 发 的 ＣＬ Ｇ开 Ｓ Ｕ说 话人 识别 语 音 库 ， 两 在 年 内采集 了 ５０名说话 人 的至少 １ 电话 语 音。 ０ ２次 该语 音库 适用 于多 种大容 量 的文本 有关及 文本无 关 的说话 人鉴别 和 说话人确 认研究 。 ＥＲ Ｌ Ａ开 发 的 ＳＶ 电话语 音库 是 专 门针对 ＩＡ 意 大利语 说话 人 识 别 的 ， 它通 过公 用 电话 交 换 网
研究 。
Ｌ Ｃ开 发 的 ＴＭＩ Ｄ Ｉ Ｔ语 音 库 包 含 有 ６０（ ３ 男 ４ ８ 女 １２ 名 美式英 语说 话人 ， 人 ｌ ３／ ９ ） 每 ０句话 ， 是 最早应 用 于说 话人识 别研究 的语音 库 之一 。ＴＭ— Ｉ
Ｉ 时包 含 有 一 系 列 经过 二 次 处 理 的派 生 语 音 Ｔ同
别研究 的基础 和对象 。 大学生来 自不 同地方 ， 口音分 布较广 ， 一般 要
在校学 习 ４年 ， 因此是 获取 １ ２ ８— ５岁 之 间说 话 人
库 ， 如 Ｆ ＭＴＭＩ（ 远距 离 麦 克 风 录 制 ） Ｎ － 例 Ｆ Ｉ Ｔ较 、 Ｔ Ｉ Ｔ（ 过 长 途 电话 网传 输 后 录 制 ） Ｃ Ｉ Ｔ 通 ＭＩ 通 、ＴＭＩ（ 过移 动通 信 网传 输后 录制 ） Ｈ Ｉ Ｔ 直接 通过 固 、 ＴＭＩ（ 定 电话 录 制 ） 。 Ｌ Ｃ开 发 的 Ｓ ｉｈ ｏｒ —Ｉ 等 Ｄ ｗｔ ｂａｄＩ Ｉ ｃ
１７ Ｏ
昌吉 学院学报 说 话人 ， 安静 的办公室 录制 ， 用 于文本 有关 的 在 适
说 话人 确认研 究 。
２０ ０８年第 ６期
音采集 ， 并逐 步 完成 数 据检 验 、 音 标 注 、 语 语音 库 管理系统 开发 、 语音 库测 试等工 作 。
２ １ 语料 设计 ．
前较好的说话人识别系统大都基于语音信号的概 率统 计模 型 ， 如 Ｇ 例 ＭＭ 模 型 Ｊ 这 些说 话 人 模 。
型需 要用 相 当充 分 的说话 人 语 料来 训 练 、 测试 和
国际上 长期 从事语 料库 大规模 开发 的机构 主 要 有 ： 国的 Ｌ Ｃ（ｉｇｉ ｃＤ ｔ Ｃｎｏｔ ｍ） 、 美 Ｄ Ｌｎｕｓ ａ ｏｓｒｕ ｉ ｔ ａ ｉ
Ｍａｌ ｔｂ做 为信号处理平 台设计 了 Ｕ Ｓ ａ Ｍ Ｄ语音 库 管
收 稿 日期 ：０ ８— ０— ０ ２０ １ ２
基金项 目： 新疆 自治区青年教 师启动基金项 目（ ＪＤ ２ ０ Ｓ４ Ｘ Ｅ Ｕ ０６ ３ ）
第一作者简 介： 王宏 （９ ２ ） 男， １７ 一 ， 山西长治 市人 ， 昌吉学院计算机 应用研 究所 ， 副教授 ， 究方向： 研 信息与信 号处理。
的词句 ， 汉语拼 音表 ， 古诗词 和短 文。为 了便于提取 感兴趣的音段 ， 文还基 于 Ｍａａ 本 ｌ ｆ ｂ和 Ｍ —Ａ ｃｓ 设 计 了 ｓ ｃｅｓ
相应 的语 音 库 管理 系统 。 关键 词 ： 料 库 ； 音 库 ； 话人 识 别 语 语 说
中图分类号 ：Ｐ ９ Ｔ３ １
文献标识码 ： Ａ
可用 于说 话 人 识 别 辨认 和确 认 研 究 。此 外 ，Ｄ ＬＣ 还发布 了专 门用 于政府 门禁安全 控 制应 用 的 Ｙ ． Ｏ Ｈ Ｏ语 音库 ， 语 音 库包 含 １８ 男 １６ 女 ３ ） 该 ３ （ ０／ ２ 名
ｃ 、 Ｍ Ｄ ２等数据库系统的支持 ， ｌ Ｉ Ｂ ｅＢ ４ 我们选择 Ｊ
话 人 识别研究 来 说 还是 很 重要 的 ， 是 说话 人 识 它
（ ｕｏ ｅｎ Ｌ ｎ ａｅＲ ｓｕｃｓＡ ｓｃ ｔ ｎ 等 。 Ｅ ｒｐ ａ ａ ｇ ｇ ｅｏｒｅ ｓ ｉ ｏ ） ｕ ｏａ ｉ
除 少数 说话 人 识别 语 音 库之 外 ， 些 机构 开 发 的 这 语 音库 大 多 是 面 向语 音 识 别 和语 音合 成 等 应 用 的 ， 中只有 一 小部 分 可 以 间接 用 于说 话 人 识别 其
Ｏ Ｉ Ｏ ｅｏ ｒｄ ａ ｎｔｕｅ Ｊ 欧 洲 的 Ｅ Ｒ Ｇ （ ｒｇｎ Ｇ ａｕ ｔ Ｉｓ ｔｔ） ， ｅ ｉ ＬＡ
评估 ， 而且其识别性能也在很大程度上受说话人 训 练语料 的影 响。 由于说话 人 自身 的语音特 征是
随 时间变 迁的 ， 这就 需 要说 话 人 识别 系统 用不 同 时 间录制 的语音样本 来训 练说话人 模 型 。尽 管 可 以通过 一些模型 自适应技 术 来减 少所需 的训 练样 本 ， 一个 恰 当 收集 和标 注 的语 音库 对 说 但是
文章编号 ：６ １ ６ ６ （０８ ｏ ０ ０ １７ — ４ ９ ２ ０ ）６— １７一Ｏ ５
引 言
理 系统 。初 步 测试表 明该语 音库 能够 满足我 们 目 前说 话人识 别 研究 的需要 。
１ 说话 人识别 语音 库现状
语音是人类通信的 自 然工具。语音现象非常
复杂 ， 法用 一些简单 的算法 加 以描 述 。因此 ， 无 目
语 料 的有效 来源 ， 且语 料 的采集 工 作 相对 容 易 组
织实施 ， 因此 本文 设计 了一 种基 于 在 校大 学 生 的
说 话人 识别语音 库 Ｕ Ｓ Ｍ Ｄ。鉴 于 Ｍａａ ｔｂ的高效 数 ｌ 值 计算 功能 、 速开发脚 本语 言 、 快 以及 其数据 库 工 具 箱 提供对 诸如 ＭＳＡ Ｃ Ｓ 、 Ｑ ｅｖｒＯａ Ｃ Ｅ Ｓ ＭＳＳ ＬＳｒｅ、ｒ—
昌吉学 院学 报
２０ ０ ８年第 ６期
基 于 大 学 生 的 汉 语 说 话 人 识 别 语 音 库 设 计
王 宏 李 鑫 高 阳
（ 昌吉学 院计 算机应 用研 究所
摘
新 疆 昌吉
８ １０ ） ３ １０
要： 本文设 计了一个基于在校大学生的说 话个 ＭＳ 其
体特征变迁、 文本有关和 文本无 关的说活人识别。该语音库 包含 ２ ４名说话人 的 １ ２期录音 ， 相邻 录音 间隔从 １
天到 ６ ０天 不等 ， 同一 间安 静 的 办公 室 环 境 下 录制 完 成 。 录 制 语 料 包括 ： 立 数 码 ， 码 串 ， 度 从 １到 ｌ 在 孤 数 长 Ｏ
Ｏ Ｉ 发 的 ＣＬ Ｇ开 Ｓ Ｕ说 话人 识别 语 音 库 ， 两 在 年 内采集 了 ５０名说话 人 的至少 １ 电话 语 音。 ０ ２次 该语 音库 适用 于多 种大容 量 的文本 有关及 文本无 关 的说话 人鉴别 和 说话人确 认研究 。 ＥＲ Ｌ Ａ开 发 的 ＳＶ 电话语 音库 是 专 门针对 ＩＡ 意 大利语 说话 人 识 别 的 ， 它通 过公 用 电话 交 换 网
研究 。
Ｌ Ｃ开 发 的 ＴＭＩ Ｄ Ｉ Ｔ语 音 库 包 含 有 ６０（ ３ 男 ４ ８ 女 １２ 名 美式英 语说 话人 ， 人 ｌ ３／ ９ ） 每 ０句话 ， 是 最早应 用 于说 话人识 别研究 的语音 库 之一 。ＴＭ— Ｉ
Ｉ 时包 含 有 一 系 列 经过 二 次 处 理 的派 生 语 音 Ｔ同
别研究 的基础 和对象 。 大学生来 自不 同地方 ， 口音分 布较广 ， 一般 要
在校学 习 ４年 ， 因此是 获取 １ ２ ８— ５岁 之 间说 话 人
库 ， 如 Ｆ ＭＴＭＩ（ 远距 离 麦 克 风 录 制 ） Ｎ － 例 Ｆ Ｉ Ｔ较 、 Ｔ Ｉ Ｔ（ 过 长 途 电话 网传 输 后 录 制 ） Ｃ Ｉ Ｔ 通 ＭＩ 通 、ＴＭＩ（ 过移 动通 信 网传 输后 录制 ） Ｈ Ｉ Ｔ 直接 通过 固 、 ＴＭＩ（ 定 电话 录 制 ） 。 Ｌ Ｃ开 发 的 Ｓ ｉｈ ｏｒ —Ｉ 等 Ｄ ｗｔ ｂａｄＩ Ｉ ｃ
１７ Ｏ
昌吉 学院学报 说 话人 ， 安静 的办公室 录制 ， 用 于文本 有关 的 在 适
说 话人 确认研 究 。
２０ ０８年第 ６期
音采集 ， 并逐 步 完成 数 据检 验 、 音 标 注 、 语 语音 库 管理系统 开发 、 语音 库测 试等工 作 。
２ １ 语料 设计 ．
前较好的说话人识别系统大都基于语音信号的概 率统 计模 型 ， 如 Ｇ 例 ＭＭ 模 型 Ｊ 这 些说 话 人 模 。
型需 要用 相 当充 分 的说话 人 语 料来 训 练 、 测试 和
国际上 长期 从事语 料库 大规模 开发 的机构 主 要 有 ： 国的 Ｌ Ｃ（ｉｇｉ ｃＤ ｔ Ｃｎｏｔ ｍ） 、 美 Ｄ Ｌｎｕｓ ａ ｏｓｒｕ ｉ ｔ ａ ｉ
Ｍａｌ ｔｂ做 为信号处理平 台设计 了 Ｕ Ｓ ａ Ｍ Ｄ语音 库 管
收 稿 日期 ：０ ８— ０— ０ ２０ １ ２
基金项 目： 新疆 自治区青年教 师启动基金项 目（ ＪＤ ２ ０ Ｓ４ Ｘ Ｅ Ｕ ０６ ３ ）
第一作者简 介： 王宏 （９ ２ ） 男， １７ 一 ， 山西长治 市人 ， 昌吉学院计算机 应用研 究所 ， 副教授 ， 究方向： 研 信息与信 号处理。
的词句 ， 汉语拼 音表 ， 古诗词 和短 文。为 了便于提取 感兴趣的音段 ， 文还基 于 Ｍａａ 本 ｌ ｆ ｂ和 Ｍ —Ａ ｃｓ 设 计 了 ｓ ｃｅｓ
相应 的语 音 库 管理 系统 。 关键 词 ： 料 库 ； 音 库 ； 话人 识 别 语 语 说
中图分类号 ：Ｐ ９ Ｔ３ １
文献标识码 ： Ａ
可用 于说 话 人 识 别 辨认 和确 认 研 究 。此 外 ，Ｄ ＬＣ 还发布 了专 门用 于政府 门禁安全 控 制应 用 的 Ｙ ． Ｏ Ｈ Ｏ语 音库 ， 语 音 库包 含 １８ 男 １６ 女 ３ ） 该 ３ （ ０／ ２ 名
ｃ 、 Ｍ Ｄ ２等数据库系统的支持 ， ｌ Ｉ Ｂ ｅＢ ４ 我们选择 Ｊ
话 人 识别研究 来 说 还是 很 重要 的 ， 是 说话 人 识 它
（ ｕｏ ｅｎ Ｌ ｎ ａｅＲ ｓｕｃｓＡ ｓｃ ｔ ｎ 等 。 Ｅ ｒｐ ａ ａ ｇ ｇ ｅｏｒｅ ｓ ｉ ｏ ） ｕ ｏａ ｉ
除 少数 说话 人 识别 语 音 库之 外 ， 些 机构 开 发 的 这 语 音库 大 多 是 面 向语 音 识 别 和语 音合 成 等 应 用 的 ， 中只有 一 小部 分 可 以 间接 用 于说 话 人 识别 其
Ｏ Ｉ Ｏ ｅｏ ｒｄ ａ ｎｔｕｅ Ｊ 欧 洲 的 Ｅ Ｒ Ｇ （ ｒｇｎ Ｇ ａｕ ｔ Ｉｓ ｔｔ） ， ｅ ｉ ＬＡ
评估 ， 而且其识别性能也在很大程度上受说话人 训 练语料 的影 响。 由于说话 人 自身 的语音特 征是
随 时间变 迁的 ， 这就 需 要说 话 人 识别 系统 用不 同 时 间录制 的语音样本 来训 练说话人 模 型 。尽 管 可 以通过 一些模型 自适应技 术 来减 少所需 的训 练样 本 ， 一个 恰 当 收集 和标 注 的语 音库 对 说 但是
文章编号 ：６ １ ６ ６ （０８ ｏ ０ ０ １７ — ４ ９ ２ ０ ）６— １７一Ｏ ５
引 言
理 系统 。初 步 测试表 明该语 音库 能够 满足我 们 目 前说 话人识 别 研究 的需要 。
１ 说话 人识别 语音 库现状
语音是人类通信的 自 然工具。语音现象非常
复杂 ， 法用 一些简单 的算法 加 以描 述 。因此 ， 无 目
