60、语音处理中的发音及编码研究：不规则发音对音素分割的影响与基于混合激励模型的语音转换

语音处理中的发音及编码研究：不规则发音对音素分割的影响与基于混合激励模型的语音转换

语音处理领域涵盖了众多复杂且关键的技术，不规则发音对音素分割的影响以及基于混合激励模型的语音转换是其中的重要研究方向。下面我们将深入探讨这两方面的研究内容。

不规则发音对音素分割的影响

音素分割是语音处理中的基础环节，其准确性对于后续的语音识别等任务至关重要。而不规则发音，尤其是发音的缩减现象，对音素分割的准确性有着显著影响。

音素分割方法

自动音素分割有多种实现方式，其中基于隐马尔可夫模型（HMM）的强制对齐是广泛使用的技术。该算法通过寻找给定内容话语的合成声学模型中的最大似然路径，然后根据HMM状态在最优路径上的占用情况来确定音素边界。不过，也有一些作者使用贝叶斯变化点检测器或人工神经网络等方法进行音素定位。

在进行音素分割时，选择合适的发音对分割准确性起着关键作用。然而，在日常随意的语音中，往往难以选择到真正在给定话语中实现的发音。通常，上述算法中每个单词的语音内容取自词典。为了分析音素分割的精度，研究考虑了三种基本情况，即使用三种不同的发音生成方式进行基于HMM的强制对齐：
- 使用具有规范发音的词典。
- 使用手动转录的每个话语中实际实现的缩减发音。
- 使用包含多个发音缩减级别的更多发音变体的词典。

这种研究旨在展示正确选择发音对随意语音音素分割准确性的总体影响，这一影响有望进一步提高随意语音识别的准确性。

实验设置

实验使用开源的Kaldi语音识别工具包实现基于HMM的强制对齐。具体操作步骤如下：
1. 特征提取