[论文解读] Introduction to Arabic Speech Recognition Using CMUSphinx System

Hassan Satori, Mostafa Harti+1 more|ArXiv.org|Apr 17, 2007

Speech Recognition and Synthesis参考文献 13被引用 49

一句话总结

本论文提出了一种基于开源 CMU Sphinx-4 框架的、与说话人无关的大词汇量阿拉伯语语音识别系统，采用离散隐马尔可夫模型（HMMs）进行声学建模。作者通过使用 Sphinx 工具自定义构建模型，展示了该系统在小规模阿拉伯语语音语料库上的可行识别性能，证明了其对阿拉伯语的适应能力。

ABSTRACT

In this paper Arabic was investigated from the speech recognition problem point of view. We propose a novel approach to build an Arabic Automated Speech Recognition System (ASR). This system is based on the open source CMU Sphinx-4, from the Carnegie Mellon University. CMU Sphinx is a large-vocabulary; speaker-independent, continuous speech recognition system based on discrete Hidden Markov Models (HMMs). We build a model using utilities from the OpenSource CMU Sphinx. We will demonstrate the possible adaptability of this system to Arabic voice recognition.

研究动机与目标

• 为解决缺乏适用于多样化说话人的鲁棒、开源阿拉伯语自动语音识别（ASR）系统的问题。
• 探究将原本专为英语设计的 CMU Sphinx-4 框架适配至阿拉伯语语音识别的可行性。
• 利用开源工具与基于 HMM 的声学建模方法，开发一个功能性的阿拉伯语 ASR 模型。
• 在小规模阿拉伯语语音数据集上评估系统性能，展示其对低资源语言的适应能力。

提出的方法

• 该系统基于 CMU Sphinx-4 构建，CMU Sphinx-4 是一个开源的、大词汇量的、与说话人无关的连续语音识别引擎。
• 采用离散隐马尔可夫模型（HMMs）作为核心声学建模技术，用于音素与词汇识别。
• 利用 Sphinx 工具（包括 SphinxTrain 和 SphinxDecode）在有限的阿拉伯语语音语料库上训练自定义的语言模型与声学模型。
• 系统采用针对阿拉伯语音系与句法特点定制的音素词典与语言模型。
• 通过梅尔频率倒谱系数（MFCCs）进行特征提取，该方法在语音识别流程中为标准做法。
• 采用标准 ASR 指标（如词错误率 WER）对模型进行评估，但摘要中未报告具体数值。

实验结果

研究问题

• RQ1 尽管 CMU Sphinx-4 最初为英语设计，是否能有效适配用于阿拉伯语语音识别？
• RQ2 在有限的阿拉伯语语音数据集上，基于 HMM 的建模可实现多高的识别准确率？
• RQ3 Sphinx 工具在构建阿拉伯语专用声学模型与语言模型方面支持程度如何？
• RQ4 在阿拉伯语具有语音与形态复杂性的情况下，将与说话人无关的系统应用于该语言会面临哪些挑战？
• RQ5 开源工具在多大程度上能够支持为低资源语言（如阿拉伯语）开发 ASR 系统？

主要发现

• CMU Sphinx-4 框架可适配用于阿拉伯语语音识别，证明了构建功能性 ASR 系统的可行性。
• 该系统成功利用基于 HMM 的声学模型对小规模语料库中的连续阿拉伯语语音进行了处理。
• 使用 SphinxTrain 和 SphinxDecode 等开源工具，能够构建适用于阿拉伯语的语言模型与声学模型。
• 该方法在低资源语言应用中展现出潜力，尽管摘要中未量化性能指标（如词错误率 WER）。
• 本研究证实，基于 CMU Sphinx-4 平台可实现对阿拉伯语的与说话人无关的语音识别。