基于語音識別的英語名詞短語在線翻譯系統(tǒng)

王少華

（陜西能源職業(yè)技術(shù)學院人文與教育學院，陜西咸陽 712000）

1 引言

隨著人機交互技術(shù)不斷發(fā)展，語音識別技術(shù)已逐漸成為翻譯過程中備受關(guān)注和控制的技術(shù)，為此在語音識別技術(shù)的支持下，設(shè)計了一種基于語音識別的英語名詞短語在線翻譯系統(tǒng)，該系統(tǒng)能夠利用語音交互技術(shù)來顯示翻譯過程的智能化，利用多種語音算法，改變原有語音識別技術(shù)中存在的不足，實現(xiàn)了英語在線翻譯的智能化。國外研究語音識別技術(shù)較早，在設(shè)計在線翻譯系統(tǒng)時，如今的研究可劃分為大詞匯量的連續(xù)語音識別系統(tǒng)以及靈活性較強的語音交互系統(tǒng)，設(shè)計得到了多種語音識別硬件載體。國內(nèi)在研究語音識別技術(shù)較晚，隨著硬件大規(guī)模集成電路技術(shù)不斷地發(fā)展，如今研究得到了多種識別算法，在分析得到的數(shù)據(jù)以及模式支持下，改善了原有識別算法模型中存在的不足，設(shè)計得到了多種語義識別技術(shù)。文獻[1]中設(shè)計了一種基于最長名詞短語分治策略的神經(jīng)機器翻譯系統(tǒng)。該系統(tǒng)根據(jù)分治法的原理，篩選句中的最長名詞短語并保留核心詞。然后將兩者與其余部分組建句子框架，再利用神經(jīng)機器網(wǎng)絡(luò)分別翻譯其句子框架，通過譯文重新組合實現(xiàn)對名詞短語的翻譯。文獻[2]設(shè)計了基于多語言交互的英語翻譯在線輔助系統(tǒng)，該系統(tǒng)由系統(tǒng)收發(fā)單元、自動翻譯單元、人工校正單元、任務(wù)管理單元和記憶庫管理單元5 個部分組成，系統(tǒng)流程主要包括：基于多語言交互的英語翻譯服務(wù)流程和基于項目的多語言交互英語翻譯服務(wù)流程設(shè)計。但是以上兩種系統(tǒng)在線翻譯語音識別率較低，因此本文設(shè)計了一種基于語音識別技術(shù)的英語名詞短語在線翻譯系統(tǒng)。

2 在線翻譯系統(tǒng)硬件

2.1 語音識別硬件模塊

選用ARM嵌入式處理器S3C2440作為語音識別模塊的中央處理器，并使用該單元外部兩個串行外設(shè)接口進行數(shù)據(jù)傳輸，實現(xiàn)英語名詞短語的轉(zhuǎn)換。開發(fā)板選擇了通用開發(fā)板TQ2440，使用其自帶的處理器，設(shè)定開發(fā)板內(nèi)部的SDRAM控制器和外部存儲控制器的主頻率設(shè)置為350MHz[3-4]。以開發(fā)板內(nèi)的GPIO口為外部拓展接口，將開發(fā)板中多個接口作為其他硬件接口，所設(shè)計的語音識別硬件模塊結(jié)構(gòu)如圖1所示。語音識別模塊可分為音頻芯片驅(qū)動模塊、音頻處理模塊、儲存模塊以及電源模塊[5]。音頻采集模塊以音頻芯片NAU85LC10 作為核心，使用芯片內(nèi)的MIC+和MIC-內(nèi)的引腳，連接外部電源模塊以及儲存模塊的接口。使用芯片內(nèi)部的數(shù)字音頻接口I2C、PCM，將控制數(shù)字音頻I2C接口連接到串行控制接口后，設(shè)定芯片的可變采樣率為20KHz[6]。

圖1 設(shè)計得到的語音識別硬件模塊結(jié)構(gòu)

該芯片內(nèi)部集成了數(shù)模轉(zhuǎn)換器和模數(shù)轉(zhuǎn)換器，其中控制數(shù)模轉(zhuǎn)換器與芯片I2C接口相連，控制I2S接口負責收發(fā)音頻數(shù)據(jù)，語音識別模塊的主處理器與該音頻芯片間的連接結(jié)構(gòu)如下圖所示。

圖2 連接結(jié)構(gòu)圖

在上圖所示的連接結(jié)構(gòu)圖中，為了減少芯片引腳的占用，將I2C接口作為數(shù)據(jù)傳輸口，將連接結(jié)構(gòu)內(nèi)部的MCU作為主設(shè)備，實現(xiàn)硬件間的互通[7]。

2.2 構(gòu)建硬件連接電路

在圖1的語音識別模塊中，根據(jù)語音識別芯片的引腳功能，將LD_LOUTR和LD_LOUTL作為芯片輸出的左右端，將引腳LD_SPOP和LD_SPON作為語音麥克輸入的負極和正極[8]，使用一條串行數(shù)據(jù)線SDA與時鐘線SCL連接語音芯片的引腳P1．6與P1．7，芯片的引腳分配情況如圖3所示。

圖3 芯片的引腳分配情況

由圖3所示的引腳分配情況可知，設(shè)定語音識別模塊的電源電壓為3．3V 后，為了抑制語音輸入硬件中產(chǎn)生的信號噪聲，在設(shè)計的開發(fā)板內(nèi)，控制模擬電路與數(shù)字電路在電源處相連，在采集語音的元件模塊內(nèi)設(shè)置多個海綿口，通過海綿口與語音接收元件間的接觸，來消除接收語音外部的噪音。綜合上述設(shè)計，完成對在線翻譯系統(tǒng)的硬件設(shè)計[9]。

3 在線翻譯系統(tǒng)軟件

3.1 英語名詞短語語音信號采集

在不同個體語音的影響下，使用上述設(shè)計硬件采集得到的英語名詞短語語音信號會產(chǎn)生一定的衰減，為了抑制該部分衰減，使用一階FIR 的高速數(shù)字濾波器，來構(gòu)建一個信號傳遞函數(shù)，可表示為：

其中，a表示預(yù)加重系數(shù)，Z表示信號傳遞函數(shù)。在上述信號傳遞過程下，需要對每幀信號進行傅里葉變化，設(shè)定變化的周期為2，變化過程就可表示為：

其中，w(n-m)表示窗口函數(shù)序列，m表示窗口長度，x(m)表示信號序列，j表示信號分量參數(shù)，k表示窗口函數(shù)序列卷積。N代表窗口函數(shù)序列個數(shù)，在上述短時變化處理下，語音信號產(chǎn)生了部分的信號分量，映射處理該部分分量至一個二維空間[10]，產(chǎn)生的短時幅度譜，如圖4所示。采用梅爾標度濾波控制短時語音信號的頻率分辨力，可表示為：

圖4 產(chǎn)生的短時幅度譜

其中，β表示短時幅度參數(shù)，f表示語音信號的頻率數(shù)值，ε表示轉(zhuǎn)化參數(shù)。增強語音信號的分辨力后，完成對英語名詞短語語音信號的采集，在實現(xiàn)在線翻譯系統(tǒng)功能時，構(gòu)建在線翻譯功能軟件框架。

3.2 在線翻譯功能軟件框架

在構(gòu)建在線翻譯功能軟件框架時，利用采集得到的語音信號數(shù)據(jù)，建立一個本地詞庫，將該詞庫作為加載功能數(shù)據(jù)的查詢文件。使用JAVA 編程處理一個在線翻譯程序主頁面，細化得到的在線翻譯程序功能結(jié)構(gòu)如圖5所示。

圖5 程序功能結(jié)構(gòu)

在上圖所示的程序功能結(jié)構(gòu)下，采用MVC 應(yīng)用程序中的數(shù)據(jù)模型、視圖、控制器三個核心組件，將采集得到的數(shù)據(jù)與固定的聲音信號相結(jié)合。以XLM界面作為軟件功能的處理階段，形成的功能框架如圖6所示。

圖6 建立的功能框架

根據(jù)以上的功能框架上，在視圖層采用XML 文件作為在線翻譯頁面，并結(jié)合使用JavaScript+HTML 來實現(xiàn)語音識別結(jié)果的實時反饋。在控制層內(nèi)設(shè)置一個Activity 作為功能邏輯，在模型層內(nèi)，采用SQLite3 作為英語名詞短語的數(shù)據(jù)庫結(jié)構(gòu)，在服務(wù)器端內(nèi)實現(xiàn)的翻譯程序支持下，構(gòu)建得到一個在線翻譯過程。綜合上述分析，最終完成對基于語音識別的英語名詞短語在線翻譯系統(tǒng)的設(shè)計。

4 系統(tǒng)測試

4.1 實驗準備

使用Eclipse集成開發(fā)環(huán)境，準備操作系統(tǒng)為Windows10、64 位操作系統(tǒng)，處理器為Intel(R)Core(TM)i3 CPU M370@2．40GHZ、內(nèi)存為4G的計算機作為系統(tǒng)測試設(shè)備，調(diào)試在線翻譯系統(tǒng)的軟件結(jié)構(gòu)。

在主程序頁面下，設(shè)置功能檢測在線翻譯系統(tǒng)的發(fā)音引擎后，調(diào)用在線翻譯系統(tǒng)的測試功能，使用Mel 譜圖生成模塊，將語音識別的音頻進行分幀、加窗、預(yù)處理后生成Mel譜圖。使用該Mel譜圖重建在線系統(tǒng)接收到的語音波形，在保存為wav格式的音頻文件后，形成的語音翻譯過程。

在語音信號翻譯過程中，按照英語名詞短語的內(nèi)容，將在線翻譯系統(tǒng)的語料內(nèi)容劃分為三種，第一組為5s及以上的語音，第二組為7s～10s 的語音，第三組為11s 以上的語音，語料分組的詳細情況如表1所示。

表1 使用的英語名詞短語分組信息

以上述表格中所設(shè)置的英語名詞短語作為實驗對象，分別使用文獻[1]、文獻[2]中的在線翻譯系統(tǒng)以及文中設(shè)計的在線翻譯系統(tǒng)進行實驗，對比三種在線翻譯系統(tǒng)的性能。

4.2 結(jié)果及分析

在以上實驗準備的基礎(chǔ)上，控制三種在線翻譯系統(tǒng)同時處理實驗準備的英語名詞短語語料，定義三種在線翻譯系統(tǒng)的語音翻譯效果可表示為：

其中，BP表示準備語料中懲罰因子的數(shù)值，Pn表示修正語料的元精度，wn表示元精度的權(quán)重。定義該數(shù)值越大則表示翻譯效果越好，在第一組輸入語音句子詞數(shù)內(nèi)，統(tǒng)計得到三種在線翻譯系統(tǒng)的翻譯效果，結(jié)果如表2所示。

表2 三種在線翻譯系統(tǒng)語音識別結(jié)果

由圖7所示的實驗結(jié)果可知，在三種在線翻譯系統(tǒng)控制下，針對相同內(nèi)容的英語名詞語音內(nèi)容來講，文獻[1]中在線翻譯系統(tǒng)得到的平均BLUE 數(shù)值在0．25 左右，對應(yīng)得到的翻譯效果較差，文獻[2]中的在線翻譯系統(tǒng)得到的平均BLUE數(shù)值在0．27左右，數(shù)值較大，該種在線翻譯系統(tǒng)的翻譯效果較好。而該文設(shè)計的在線翻譯系統(tǒng)得到的平均BLUE 數(shù)值在0．31左右，與兩種文獻中的在線翻譯系統(tǒng)相比，該種在線翻譯系統(tǒng)的翻譯效果最佳。

基于以上實驗環(huán)境，控制三種在線翻譯系統(tǒng)處理實驗準備的第二組英語名詞短語分組，使用相同參數(shù)的計算機承載三種在線翻譯系統(tǒng)后，當三種在線翻譯系統(tǒng)處理第二組名詞短語數(shù)據(jù)信息時，調(diào)用承載翻譯系統(tǒng)的任務(wù)管理器，設(shè)定系統(tǒng)CPU的占用率統(tǒng)計周期為60s，三種在線翻譯系統(tǒng)的CPU占用率結(jié)果如圖7所示。

圖7 三種在線翻譯系統(tǒng)翻譯效果實驗結(jié)果

由圖8所示的CPU 占有率結(jié)果可知，控制三種在線翻譯系統(tǒng)處理相同的英語名詞短語語音時，根據(jù)上圖結(jié)果，文獻[1]中的在線翻譯系統(tǒng)在相同統(tǒng)計時間內(nèi)CPU的占有率在80%左右，實際運行時占據(jù)的運行較高，文獻[2]中的在線翻譯系統(tǒng)在周期內(nèi)，產(chǎn)生的CPU占有率在65%左右，實際運行時CPU的占有率數(shù)值較大，而文中設(shè)計的在線翻譯系統(tǒng)，在相同的實驗周期內(nèi)，英語名詞短語的CPU 占有率在40%左右，與兩種文獻中的在線系統(tǒng)相比，該種在線翻譯系統(tǒng)實際運行時，形成的CPU占有率最小。

圖8 三種在線翻譯系統(tǒng)運行時的CPU占有率結(jié)果

保持上述實驗環(huán)境不變，控制三種在線翻譯系統(tǒng)處理實驗準備的第三組英語名詞短語分組信息，采集十位人員讀取準備測試集內(nèi)的英語名詞短語，以三種在線翻譯系統(tǒng)對不同音調(diào)的識別結(jié)果作為對比指標，實際的語音識別率可計算為：

其中，R表示在線翻譯系統(tǒng)已識別得到的英語名詞短語，Rn表示在線翻譯系統(tǒng)識別英語名詞短語總值。統(tǒng)計三種系統(tǒng)所對應(yīng)的語音識別率，最終三種在線翻譯系統(tǒng)的語音識別結(jié)果，如表2所示。

由表2計算統(tǒng)計得到的語音識別率結(jié)果表明，在十五種不同的語調(diào)控制下，三種在線翻譯系統(tǒng)表現(xiàn)出了不同的識別率結(jié)果，文獻[1]中的在線翻譯系統(tǒng)的平均語音識別率在62．9%左右，實際語音識別率數(shù)值較小，在線翻譯結(jié)果不準確。文獻[2]中的在線翻譯系統(tǒng)的平均識別率在83．5%左右，實際語音的識別率數(shù)值較大，實際的翻譯結(jié)果較準確，而本文設(shè)計的在線翻譯系統(tǒng)的平均識別率在97．9%左右，與兩種文獻中的在線翻譯系統(tǒng)相比，該種在線翻譯系統(tǒng)對不同語調(diào)的語音識別能力較強，翻譯效果最佳。

5 結(jié)束語

隨著機械翻譯方法不斷地發(fā)展，在線翻譯系統(tǒng)逐漸成為了翻譯設(shè)計方向上研究的熱點，在語音識別技術(shù)的支持下，設(shè)計一種英語名詞短語在線翻譯系統(tǒng)，能夠改善現(xiàn)有翻譯系統(tǒng)存在的不足，為今后在線翻譯系統(tǒng)的研究提供了一定的方向。但本文設(shè)計的在線翻譯系統(tǒng)并未對語音識別硬件進行改進，還需要不斷地研究改進。