7、中文大词汇连续语音识别：原理、应用与原型示例

中文大词汇连续语音识别：原理、应用与原型示例

1. 引言

大词汇连续语音识别（LVCSR）长期以来一直是口语语言处理中最重要的核心技术。它不仅直接应用于听写和转录任务，还为口语对话、口语文档处理、检索和总结、语音到语音翻译、计算机辅助语言学习等众多应用奠定了基础。即使是文本到语音合成，基于语料库的方法也常常依赖LVCSR技术对语料进行初始处理。

中文LVCSR包含六个关键组件：前端处理与特征提取、声学建模、声调建模、语言建模与词典生成、发音建模、搜索与解码。除前端处理与特征提取基本与语言无关外，其他五个组件或多或少都与中文的特殊结构相关。

2. 与LVCSR相关的中文语言结构特征

中文在结构特征上与大多数西方语言有很大不同，这些特征对LVCSR有重要影响。
- 单音节结构与声调行为 ：中文不是字母文字，汉字是表意符号，每个汉字通常是一个有独立意义的语素。一个词由一个或多个汉字组成，其含义有时与组成汉字的含义相关，有时则完全不同。所有汉字都发单音节音，语音允许的音节总数有限，如普通话约有1345个，忽略声调后约为416个。声调具有词汇意义，普通话有4个声调加一个轻声。由于音节数量少，存在大量同音字，不同音节（或汉字）的组合可以形成无限数量的单词和句子。这种单音节结构使得中文LVCSR在声学和语言建模、声调建模以及整体系统结构方面都与西方字母语言有所不同。
- 灵活的构词结构 ：中文的构词结构非常灵活，长词可以任意缩写，新单词也容易生成。而且，中文书面或印刷句子中没有空格作为单词边界，因此单词的定义不明确，句子分词不唯一，也没有普遍接受的词典。这使得中文LVCSR具