本发明涉及机器人的技术领域，尤其涉及一种儿童机器人用的语音识别装置。
背景技术：
随着智能移动终端技术和语音交互技术高速发展，以及语音交互技术在智能移动终端的广泛应用，使得智能移动终端具备语音交互功能。通常的语音交互技术中，由于受到采集难易程度和采集成本等不同因素影响，使得已知语料库中是以采集较为方便的成人语料为主，儿童语料占据比例小。但是，与成年人相比，儿童的发音有着声道长度短、发音速度变化大以及无意义语气词较多等特点，因此，采用上述已知语料库的语音识别系统对儿童语音的针对性不足，对成年人的语音进行语音识别处理的准确度要高于儿童的。
技术实现要素：
本发明主要解决的技术问题是提供一种儿童机器人用的语音识别装置，适用于儿童机器人，对儿童所发出的语音进行识别，识别后发出正确的语音并通知执行相关的动作，合理高效地提高了对儿童语音的识别率，达到对儿童语音针对性更强，语音识别率更高，识别结果更加准确的有益效果。
为解决上述技术问题，本发明采用的一个技术方案是：提供了一种儿童机器人用的语音识别装置，包括语音采集端、语音发送端、语音语料库、提取处理器、识别分析仪以及同步模块，所述的语音采集端与语音语料库相连接，所述的语音语料库分别与提取处理器和识别分析仪相连接，所述的语音语料库通过相连接的提取处理器和识别分析仪与同步模块连接在一起，所述的语音语料库通过相连接的提取处理器和识别分析仪与同步模块连接在一起，所述的语音发送端与同步模块相连接。
在本发明一个较佳实施例中，所述的儿童机器人用的语音识别装置还包括语言模型，所述的语音语料库通过语言模型与识别分析仪相连接。
在本发明一个较佳实施例中，所述的儿童机器人用的语音识别装置还包括语言模型和声学模型，所述的语音语料库通过语言模型与识别分析仪相连接；所述的语音语料库通过声学模型与提取处理器相连接。
在本发明一个较佳实施例中，所述的声学模型通过隐马尔科夫模型对语音语料库内的声学特征进行建模。
在本发明一个较佳实施例中，所述的声学模型中还设置有静音模型和语气词模型。
在本发明一个较佳实施例中，所述的静音模型采用64个高斯混合模型进行描述声韵母的HMM的每个状态。
在本发明一个较佳实施例中，所述的语气词模型采用多个语气词共建立一个模型或者对每个语气词分别建立一个模型。
在本发明一个较佳实施例中，所述的语言模型采用 N-gram 的统计语言模型。
在本发明一个较佳实施例中，所述的语音语料库包括成人的语音语料和儿童的语音语料。
在本发明一个较佳实施例中，所述的儿童机器人用的语音识别装置还包括执行组件，所述的执行组件与语音发送端相连接。
本发明的有益效果是：本发明的儿童机器人用的语音识别装置，适用于儿童机器人，对儿童所发出的语音进行识别，识别后发出正确的语音并通知执行相关的动作，合理高效地提高了对儿童语音的识别率，达到对儿童语音针对性更强，语音识别率更高，识别结果更加准确的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
图1 是本发明儿童机器人用的语音识别装置的一较佳实施例的结构示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明实施例包括：
一种儿童机器人用的语音识别装置，包括语音采集端、语音发送端、语音语料库、提取处理器、识别分析仪以及同步模块，所述的语音采集端与语音语料库相连接，所述的语音语料库分别与提取处理器和识别分析仪相连接，所述的语音语料库通过相连接的提取处理器和识别分析仪与同步模块连接在一起，所述的语音语料库通过相连接的提取处理器和识别分析仪与同步模块连接在一起，所述的语音发送端与同步模块相连接。
上述中，所述的儿童机器人用的语音识别装置还包括语言模型和声学模型，所述的语音语料库通过语言模型与识别分析仪相连接；所述的语音语料库通过声学模型与提取处理器相连接。
其中，所述的语音语料库包括成人的语音语料和儿童的语音语料；所述的声学模型通过隐马尔科夫模型对语音语料库内的声学特征进行建模；语言模型均采用 N-gram 的统计语言模型。
通过已知的语音语料库分别建立声学模型和语言模型；接收儿童的语音信号，并对语音信号进行前端处理；对经过前端处理的语音信号进行特征提取处理，以获取语音信号的声学特征；提取声学特征后再进行识别分析处理，通过声学模型和语言模型对语音信号的声学特征进行解码搜索，再进行识别分析处理以获得识别文本，同步校正后发出对应的语音信号，并通知儿童机器人执行相关的动作。
其中，通过语音语料库建立声学模型包括：对所述语音语料库中的全部语音语料进行特征提取处理，并在所述特征提取处理过程中加入声道长度归一化技术，以获得所述全部语音语料的声学特征；根据所述全部语音语料的声学特征进行建模，以获得所述声学模型。
需要说明的是，本实施例中的声学模型除了常用的中文声韵母模型的配置方式，还可以加入下文将要描述的静音模型和语气词模型。现对本实施例中的静音模型以及语气词模型进行分别介绍。
由于儿童发音语速变化大，并且儿童的语音信息中可能出现会说说停停的问题，因此，需要在声学模型的设置中加入静音模型，来识别儿童语音中可能出现大段静音的情况。本发明实施例中，在建立声学模型时，需要对不同的发音建立单独的模型。以中文为例，需要对66个声韵母单独建立HMM模型。并且，本发明实施例能够进一步增大静音模型的描述精度。例如，在通常的声音模型中，采用32个高斯混合模型（Gassion Mixture Model，以下简称GMM）进行描述声韵母的HMM的每个状态，则在建立本发明实施例中的静音模型时， 可以将GMM的采用个数提升为至少采用64个。本发明实施例中，针对儿童发音速度变化大、容易出现大段静音的发音特点，在建立的声音模型中添加静音模型，提高对儿童语音信息的识别率，合理高效地增大对儿童语音信息识别的准确性。
另外，本发明实施例建立的声学模型中还可以添加语气词模型。由于儿童发音时经常会出现无意义的语气词，例如“嗯”、“啊”、“哦”，等，因此，为提高对儿童语音信息的识别率，在声学模型的设置中加入语气词模型，单独对语气词建立数学模型。优选地，本发明实施例中，可以在训练语料不足的情况下，对“嗯”、“啊”、“哦”等多个语气词共建立一个模型，还可以在训练语料多的情况下，对每个语气词分别建立一个模型。本发明实施例中，针对儿童无意义的语气词较多的发音特点，在声学模型的建立中，添加语气词模型，进一步提高对儿童语音的识别率，增大识别的准确性。
建立语言模型时，为生成语言模型，通常需要大量的文本语料对各个字词之间的N-gram进行统计。因此，现有技术中，建立模型所采用的语音语料库越接近儿童的发音方式，识别性能就越好。但是，儿童发音与成人发音存在巨大的差异，而大部分的语音语料库以成人文本语料为主。因此，语音语料库并不能够准确地描述或者涵盖儿童的发音方式。
为取得能够准确描述或者涵盖儿童的发音方式的语音语料库，本发明实施例对语音语料库进行变形处理。在对语音语料库进行变形处理时，考虑到儿童的性格和/或天性和/或本能，设置适合儿童的发音方式的预设变性规则。
例如，由于儿童的天性或者本能为儿童喜欢对看见和/或听见和/或闻见和/ 或通过其他感官接触到的事物进行异想天开的联想，导致儿童的发音方式容易出现如下发音特点：
同一个词可能会多次重复。例如“苹果好吃”会说成“苹果苹果好吃”；词尾的字也可能会重复，例如“苹果好吃”会说成“苹果果好吃”，或“苹果好吃吃”等；无意义的助声词增多，例如“苹果好吃”会说出“苹果、嗯、好吃”，或“苹、啊、果、好 吃”等。
本实施例中，对待变形文本语料进行变形处理时，首先对待变形文本语料中所有的语句进行分词处理。即，将完整的语句变成独立的词。例如“今天妈妈买的苹果真好吃”分词后变成“今天妈妈买的苹果真好吃”。
其次，在经过分词处理的待变形文本语料中，随机选择至少一个词进行重复处理。本发明实施例中，对经过分词处理的待变形文本语料中随机选择的至少一个词进行的重复处理，可以是根据儿童发音方式对待变形文本语料进行的任意重复处理操作。优选地，本实施例中，根据儿童发音方式中常见的情况，选取三种重复处理操作，即词重复处理、词尾重复处理以及助声词增多处理。在对待变形文本语料进行分词处理之后，本实施例能够选取上述三种重复处理操作中的一种或者多种对待变形语料进行变性。并且，本实施例中，若选取三种重复处理操作中的多种对待变形语料进行变形，则本实施例对执行不同重复处理的顺序不加限定。
因此，针对儿童的发音特点，本发明实施例对语音语料库的文本进行变形处理，并通过变形的语音语料库建立更加准确的语音模型以增加对儿童语音识别的准确性。
综上所述，本发明的儿童机器人用的语音识别装置，适用于儿童机器人，对儿童所发出的语音进行识别，识别后发出正确的语音并通知执行相关的动作，合理高效地提高了对儿童语音的识别率，达到对儿童语音针对性更强，语音识别率更高，识别结果更加准确的有益效果。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。