音频匹配技术及其在音频检索中的应用

摘要

随着多媒体和互联网技术的发展,人们在日常生活中接触到越来越多的音频文件.对庞大的音频信号源进行精确而快速的分类、搜索以及建立检索系统成为研究和应用开发的焦点.鉴于在文本检索领域取得的成就,可以先将音频信号翻译成文字信息(即语音识别),然后在文字基础上用文本检索技术建立最终的音频检索系统.这就是所谓的最高层次的基于内容的音频检索方法.然而就目前语音识别技术而言,实际应用时还存在一些问题.首先大词表语音识别系统需要大量的资源,并且运行速度较慢,通常是几倍或几十倍实时.其次语音识别系统在现实环境中的识别错误率也较高(大于20％).另外,人们感兴趣的音频信号并非都是语音信号,它们有可能是音乐或某种自然音效.对于非语音的音频信号,语音识别系统便无能为力了.