不完全匹配的语音和文本语句级对齐

语音文本自动对齐技术广泛应用于语音识别与合成、内容制作等领域,?其主要目的是将语音和相应的参考文本在语句、单词、音素等级别的单元进行对齐,?并获得语音与参考文本之间的时间对位信息.?最新的先进对齐方法大多基于语音识别,?一方面,?准确率受限于语音识别效果,?识别字错误率高时文语对齐精度明显下降,?识别字错误率对对齐精度影响较大;?另一方面,?这种对齐方法不能有效处理不完全匹配的长篇幅语音和文本的对齐.?该文提出一种基于锚点和韵律信息的文语对齐方法,?通过基于边界锚点加权的片段标注将语料划分为对齐段和未对齐段,?针对未对齐段使用双门限端点检测方法提取韵律信息,?并检测语句边界,?降低了基于语音识别的对齐方法对语音识别效果的依赖程度.?实验结果表明,?与目前先进的基于语音识别的文语对齐方法比较,?即使在识别字错误率为0.52时,该文所提方法的对齐准确率仍能提升45％以上;?在音频文本不匹配程度为0.5时,?该文所提方法能提高3％.