语音识别 --字典

1. 概念：

语音识别中的字典也被称为发音字典，顾名思义就是用来描述各个词的发音或者说给出各个词和音素之间的关系；

2.作用：

语音识别系统中所有词的结果均出自于字典，也就是说他是识别系统处理词和音素的集合；通过发音字典得到声学模型的建模单元和语言模型建模单元间的映射关系，从而把声学模型和语言模型连接起来，组成一个搜索的状态空间用于解码器进行解码工作；

3.制作：

以中文识别为例：
step 1：
首先需要确定的是拼音到音素的转换规则/映射关系。
可以有不同的映射关系，如汉字一的拼音 “yi1”可以对应 “ii i1”，也可以对应 “y i1”（前者是清华语音识别使用的规则）。
不同的映射关系会产生不同的识别效果。
step 2：
需要列出尽可能多的中文词及其对应的拼音，有多音字的可列出其不同组合。
step 3：
通过以上两个步骤即可实现中文词-音素的转换，也就是G2P（Grapheme-to-Phoneme Conversion）。
通过脚本可实现输入中文词，输出对应音素的功能。

4.参考文献：
What is G2P? http://www.voxforge.org/home/docs/faq/faq/what-is-g2p

内容转自