[发明专利]用于构建多语言声学模型的设备和方法

权利要求书

1.一种多语言声学模型构建方法，包括：

将输入特征划分为共同语言部分和区别语言部分，通过基于神经网络训练共同语言部分和区别语言部分来获得串联特征；

将针对获得的串联特征的声学模型的参数划分为共同语言参数和区别语言参数，使用训练语言的数据适应于共同语言参数，使用目标语言的数据适应于区别语言参数，并使用适应的共同语言参数和适应的区别语言参数来构建针对目标语言的声学模型。

2.如权利要求1所述的方法，其中，获得的步骤包括：

将目标语言的输入特征划分为共同语言部分和区别语言部分；

基于神经网络训练共同语言部分和区别语言部分；

通过将经由基于神经网络的训练而输出的共同语言部分和区别语言部分组合，来获得串联特征。

3.如权利要求2所述的方法，其中，训练的步骤包括：

使用神经网络估计共同语言部分和区别语言部分的音素的后验概率值；

去除音素之间的相关性。

4.如权利要求3所述的方法，其中，在估计的步骤中，使用多层感知器（MLP）来估计训练语言的音素的后验概率值，

在去除的步骤中，使用主成分分析（PCA）来去除音素之间的相关性。

5.如权利要求2所述的方法，其中，使用训练语言数据基于神经网络训练共同语言部分，使用目标语言数据基于神经网络训练区别语言部分。

6.如权利要求1所述的方法，其中，构建操作包括：

通过针对获得的串联特征执行子空间高斯混合模型（SGMM）训练来构建SGMM声学模型；

将SGMM声学模型的参数划分为共同语言参数和区别语言参数；

使用训练语言数据适应于共同语言参数，使用目标语言数据适应于区别语言参数；

通过将使用训练语言而适应的共同语言参数和使用目标语言而适应的区别语言参数组合，来构建针对目标语言的声学模型。

7.如权利要求6所述的方法，其中，在适应操作中，使用最大似然线性回归（MLLR）算法和最大后验（MAP）算法之一来执行自适应。

8.如权利要求1所述的方法，其中，训练语言的数据量大于目标语言的数据量。

9.一种多语言声学模型构建设备，包括：

串联特征获得器，被配置为将目标语言的输入特征划分为共同语言部分和区别语言部分，通过基于神经网络训练共同语言部分和区别语言部分来获得串联特征；

声学模型训练器，被配置为将针对获得的串联特征的声学模型的参数划分为共同语言参数和区别语言参数，使用训练语言的数据适应于共同语言参数，使用目标语言的数据适应于区别语言参数，并使用适应的共同语言参数和适应的区别语言参数来构建针对目标语言的声学模型。

10.如权利要求9所述的设备，其中，串联特征获得器包括：

划分器，被配置为将目标语言的输入特征划分为共同语言部分和区别语言部分；

训练器，被配置为基于神经网络训练共同语言部分和区别语言部分；

特征组合器，被配置为通过将经由基于神经网络的训练而输出的共同语言部分和区别语言部分组合，来获得串联特征。

11.如权利要求10所述的设备，其中，训练器包括：

估计器，被配置为使用神经网络估计共同语言部分和区别语言部分的音素的后验概率值；

去除器，去除音素之间的相关性。

12.如权利要求11所述的设备，其中，估计器使用多层感知器（MLP）来估计训练语言的音素的后验概率值，

去除器使用主成分分析（PCA）来去除音素之间的相关性。

13.如权利要求10所述的设备，其中，使用训练语言数据基于神经网络训练共同语言部分，使用目标语言数据基于神经网络训练区别语言部分。