在某些特定情況下，我們并不關(guān)心說(shuō)話(huà)者所說(shuō)的每一句話(huà)，只是想了解個(gè)大概的主題，這時(shí)關(guān)鍵詞檢測系統是理想的選擇。關(guān)鍵詞檢測是語(yǔ)音識別技術(shù)的一個(gè)重要分支，其目的就是在連續語(yǔ)音流中檢測是否存在某些感興趣的關(guān)鍵詞。
在關(guān)鍵詞檢測的很多實(shí)際應用中，輸入的信號是各種信道的自然對話(huà)語(yǔ)音數據。一般來(lái)說(shuō)，由于聲學(xué)模型和語(yǔ)音數據的不匹配，關(guān)鍵詞檢測的性能會(huì )急劇地下降。為了解決這個(gè)問(wèn)題，中科信利研發(fā)的關(guān)鍵詞檢測系統采用了一種基于混淆網(wǎng)絡(luò )的搜索策略。與以往不同的是，解碼是在整個(gè)聲學(xué)空間上進(jìn)行的，而不僅僅是關(guān)鍵詞所構成的聲學(xué)空間，解碼器輸出不僅是首選結果，而是一種混淆網(wǎng)絡(luò )的數據結構。通過(guò)統計訓練數據中的發(fā)音變異情況，我們得到音素間的混淆度。利用這種音素間的混淆度和關(guān)鍵詞列表，我們就可以從解碼器輸出的混淆網(wǎng)絡(luò )中搜索獲取最有可能出現的關(guān)鍵詞。這種方法大大提高了關(guān)鍵詞的識別率，但同時(shí)也引入了一定的虛警。最后，我們采用了可靠的置信度策略來(lái)有效地降低了虛警。
體系框架：
功能模塊：
語(yǔ)音識別模塊
首先，輸入的實(shí)時(shí)語(yǔ)音流或語(yǔ)音文檔，經(jīng)過(guò)語(yǔ)音分段模塊處理后，產(chǎn)生分段信息和語(yǔ)音片斷；其次，各語(yǔ)音片斷經(jīng)連續語(yǔ)音識別引擎進(jìn)行識別產(chǎn)生網(wǎng)格結構；最后，網(wǎng)格結構經(jīng)分解對齊后產(chǎn)生音節混淆網(wǎng)絡(luò )。
索引模塊
分段信息和音節混淆網(wǎng)絡(luò )通過(guò)前向索引產(chǎn)生前向索引文件。前向索引文件再經(jīng)逆向索引產(chǎn)生逆向索引文件。采用逆向索引的數據結構，是為了方便和減速后續的搜索過(guò)程。
檢索模塊
給定的關(guān)鍵詞首先通過(guò)字音轉換產(chǎn)生音節序列，再通過(guò)應用音節混淆矩陣，采用中科信利在國際上首次提出的基于混淆網(wǎng)絡(luò )和模糊動(dòng)態(tài)規劃的關(guān)鍵詞檢索策略，在逆向索引文件中進(jìn)行快速模糊匹配，產(chǎn)生候選關(guān)鍵詞列表。
技術(shù)特點(diǎn)：
- 關(guān)鍵詞檢測引擎與說(shuō)話(huà)人無(wú)關(guān)。支持自然對話(huà)語(yǔ)音（如：電話(huà)聊天，廣播電視訪(fǎng)談等）。
- 支持電話(huà)信道、廣播電視信道、互聯(lián)網(wǎng)信道等各類(lèi)信道數據。
- 關(guān)鍵詞列表可由用戶(hù)自主定義和修改。
- 檢測結果不但包含關(guān)鍵詞在語(yǔ)音流或音頻文件中出現的位置，還包括相應的置信度得分。
- 操作點(diǎn)調整方便，可按不同的應用需求調整操作點(diǎn)閾值，使系統性能根據應用需求達到最優(yōu)。
- 引擎處理速度快，核心算法支持海量并行處理。適應于大規模語(yǔ)音數據的自動(dòng)檢測。
- 引擎函數接口簡(jiǎn)單，用戶(hù)可以方便靈活地應用開(kāi)發(fā)。
性能指標：
應用范圍：
中科信利的關(guān)鍵詞檢測系統，居于國內領(lǐng)先、國際先進(jìn)水平。目前已在國內電信、安全、廣電等多個(gè)行業(yè)領(lǐng)域中得到成功應用。
關(guān)鍵詞檢測的主要應用領(lǐng)域大概有以下兩個(gè)方面：一是國家的信息安全領(lǐng)域。主要是用來(lái)對敏感語(yǔ)音信號的監測，一旦發(fā)現敏感關(guān)鍵詞可以立刻報警。二是多媒體檢索領(lǐng)域。采用關(guān)鍵詞檢測技術(shù)，可以利用文字檢測出感興趣的音視頻流。
