Abstract
透過電話網路的語音辨認系統，可提供使用者人性化且快捷的服務，然而 電話網路上的語音訊號受到通道濾波效應的影響，對辨認系統是一大考驗 。現存的辨認系統，在安靜無干擾的環境下已有不錯的辨識率，但是在受 到雜訊以及通道效應影響的環境中，辨識率則大幅滑落。本論文的研究即 是希望能克服通道效應，建立一個適用於電話網路的辨認系統。我們分別 針對男女語者建立一個國語408音節的右相關次音節模型 (Right Context Dependent Sub- Syllable Model)，使用101人的麥克風語料及100人的電 話線語料做模型訓練，對16人的語 料進行測試，實驗所採用的特徵參數 是以梅爾倒頻譜(Mel-Cepstrum)為主的26階特徵向量。我們提出一個適用 於電話語音的模型訓練方法，解決傳統分段-k均值(segmental-k mean)訓 練方法用於電話語音收斂過慢的問題，成功的將收斂速度提高六倍，並使 辨認率進一步上升。我們並比較三種不同的通道補償方法，分析它們的優 劣及可行性，對測試語句做通道補償及語者正規化後，我們可將辨認率提 升將近5%。我們還提出一個利用簡化的語者模型做語者性別辨認的方法， 性別辨認率可達98%以上，結合光束搜尋法(beam search)後，在辨認率降 低很少的情況下，辨認速度可提高三倍。