【摘 要】
:
哼唱识别是音频检索的一个重要应用,其难点是音频歌曲数据的非结构性以及搜索速度和准确率平衡的问题。本文提出了新的数据库构造方法,将音频歌曲集用手工标注方法提取主旋律并且按自然演唱停顿方式进行分段,采用段落结构而不是整首歌作为索引。同时,提出了一种基于VP树的搜索结构以及相应的多级搜索算法,在快速匹配层采用粗搜索算法,在精确匹配层采用基于动态时间规整算法。实验证明,在对检出率影响不大的前提下,识别速度
【机 构】
:
清华大学信息技术研究院语音和语言技术中心,北京,100084 IBM中国研究院,北京,100094
论文部分内容阅读
哼唱识别是音频检索的一个重要应用,其难点是音频歌曲数据的非结构性以及搜索速度和准确率平衡的问题。本文提出了新的数据库构造方法,将音频歌曲集用手工标注方法提取主旋律并且按自然演唱停顿方式进行分段,采用段落结构而不是整首歌作为索引。同时,提出了一种基于VP树的搜索结构以及相应的多级搜索算法,在快速匹配层采用粗搜索算法,在精确匹配层采用基于动态时间规整算法。实验证明,在对检出率影响不大的前提下,识别速度提高了40[%]以上。
其他文献
1000kV交流特高压输电是目前电压等级最高、技术最先进、建设难度最大的交流输电技术。在我国1000kV线路设计没有直接可供采用的设计原则和设计标准。为满足工程建设需要,合理确定技术原则和建设标准,需要全面研究和分析与工程建设有关的关键技术和设计方案。本文结合1000kV晋东南~南阳~荆门特高压交流试验示范工程的建设,介绍我国第一条单回路特高压交流架空输电线路的主要设计原则和特点,如导线选择、地线
国家电网公司特高压杆塔试验基地是目前世界上规模最大、试验能力最强、试验设备最先进的特高压杆塔试验研究基地,本文详细介绍了试验基地的建设目标、试验基地主要技术指标及特高压杆塔试验情况。
课题组成功完成了第一个具有完全国内自主知识产权的碳纤维导线及配套技术的研发与应用技术的研究,包括碳纤维复合芯导线的研制、生产、检测、设计、施工、运行等环节,对于实现电网升级改造、提高电网输送能力与效益具有重大意义。自主研发产品的导线高温拉断力、复合芯抗压性能、复合芯抗弯性能等关键指标显著优于国外技术产品,达到国际领先水平。首次将碳纤维复合芯导线应用于500kV超高压架空输电线路,解决碳纤维导线应用
我国首个特高压交流试验示范工程-1000kV晋东南至南阳至荆门输变电工程已成功建成并正式投入运行。本文立足试验示范工程建设的全过程,介绍了工程的总体情况和基本特点,阐述了工程在建设管理、科研攻关、工程设计、设备研制、施工建设及调试运行等方面的创新实践和取得的重大成果。推广应用工程经验,对推动电力工业科学发展具有重要意义。
多口音英语学习者口语语音库(CELSCOM:Chinese EFLLearners speech corpus with multi-accents )旨在收集和建立中国不同方言区英语学习者的英语口语语音,一方面为英语语音识别提供 训练音库,另一方面为研究不用口音的英语与标准英语的语音特性的差异。本库在设计功能语句库录音文本时,将焦 点位置、词性、词重音位置等作为条件综合考虑,并且将口语化的篇章作
人在说话的时候有各种各样的发音方式,如不同的语言;带情感的发音;快速与慢速、大声与小声等等。如果不做任何处理,直接用传统的说话人识别方法来处理,结果会比较差。因此,本论文研究如何降低由人的发音方式不同而导致的说话人识别性能下降。首先,进行多发音方式数据采集的设计,选择现实生活中常见的发音方式做研究;接下来在模型域提出基于多发音方式背景模型融合和模型补偿的改进系统方案;最后给出基线系统和改进系统的实
本文主要讨论语速的测算和分类问题,试图建立一套能够自动检测语速变化类型的有效方法,以便消除语速对韵母时长的影响,使得规整后的韵母时长能更好地反映语句的韵律节奏特性,以增强韵母时长的可预测性,从而提高对连续语流中韵母时长的预测精度。通过数据对比分析,本文提出以小句作为语速的测算单元,以其实际时长和预测时长的比值作为语速的测算指标,并在此基础上将小句语速区分为快速、中速和慢速三种类型。统计结果表明,消
将篇章层面的文本转换为准确、生动的合成语音,涉及了语言计算、韵律建模、语音合成等一系列技术问题。而这些问题的解决,一方面需要制定一个更具科学性的韵律描述方案,用以做为语言学与声学间的信息交互接口,进而构建语音合成系统的语言学、语音学计算模块;另一方面还将依赖具有丰富标注信息的言语数据库,由此提供定性分析与定量计算的实际样本。因而,言语数据库及其韵律标注,构成了合成系统研究的基础。本文选取新闻播报语
信息咨询口语对话系统中的领域文法规则往往需要专家来人工设计。本文针对一种面向汉语口语的上下文无关增强文法,提出了一种基于句子分割的文法自动推导算法。其基本思想是:用初始规则集对训练例句进行分析,若不能得到完整的语法树,则先对分析结果进行消歧和归一化,然后根据顶层成分递归地推导出缺少的规则,并更新已有的规则集。为了提高最终文法的性能,本文在例句处理顺序和规则更新上对算法基本流程做了改进。我们在天气预
本文分析讨论了连续语音识别系统中的快速高斯计算问题。语音信号的短时平稳特性,使得相邻语音帧可能共享相似的分布。利用该特性,估计当前帧与基准帧间似然值增量的最大值,以此减少似然值的精确计算量。这种快速高斯计算方法称为最大概率增量估计算法。本文深入讨论了该算法在实际应用中的若干问题:增量上界估计、最优高斯候选、风险因子等。实验结果表明,在几乎不损失识别率的情况下,MPIE算法可节约40[%]的维数计算