65、阿拉伯语语音识别与文本分析研究

阿拉伯语语音识别与文本分析研究

阿拉伯语语音识别中小词发音建模

在自动语音识别（ASR）系统中，未登录词（OOV）问题会给解码过程带来困难，因此应尽量减少OOV。一种解决OOV问题的方法是向字典中添加更多候选发音变体，如复合词。

在处理小词时，有两种常见的方法：基于音系规则的跨词建模和数据驱动的方法。跨词建模是一种根据音系规则扩充单词的方法，它不关注单词的长度；而小词建模则完全基于单词长度，不考虑音系。跨词建模已在多种语言的许多出版物中得到应用。数据驱动的方法则仅依赖语料库转录来生成复合词，在美式英语小词建模中取得了显著的增强效果。然而，现代标准阿拉伯语（MSA）中的小词问题尚未得到解决。

1. 动机
   连续语音是单词扩充的来源，其扩充取决于语言的音系和单词长度等因素。在阿拉伯语语音识别的研究中发现，相邻小词会对系统性能产生负面影响。例如：
   | 待测试语音句子 | 基线系统识别结果 |
   | — | — |
   | وَﻣُﻤَﺜﱢﻠِﲔَ ﻋَﻦ ﻋَﺪَدٍ ﻣِﻦ اﻟﺪﱡوَلِ اﻷُورُوﺑِﻴﱠﺔ | وَﻣُﻤَﺜﱢﻠِﲔ ﻋَﻦ إِنﱠ اﻟﺪﱡوَلِ اﻷُورُوﺑِﻴﱠﺔ |

可以看到，解码器错误地将两个分开的小词识别为一个词，而较长的词识别正确。因此，将小词复合为一个词可能会提高系统性能。

2. 基线系统
   使用的基线系统是由KFUPM开发的阿拉伯语语音识别系统，基于CMU Sphinx 3语音识别引擎构建。该引擎使用基于三音素的声学模型