伴随着科学与技术的快速发展,智能设备已经逐渐进入了人们生活中。作为最核心的部分人机交互也从以往的手指、手势操控而慢慢地转变为人类交流自然且高效的方式—语音。语音体现人机交互的方式主要有两个方面,一个是让机器自己发出声音,另一个是让机器听懂人类所说的话。而语音识别作为当下人工智能的产物,又分为语义识别和说话人识别。顾名思义,语义识别是让机器听懂人说了什么话,而说话人识别是让机器辨别出说话人的身份。本文就是结合了两者进行藏语安多方言的相关研究,在基于HTK(Hidden Markov Model Toolkit)平台中的隐马尔科夫模型(Hidden Markov Model,HMM)让机器识别说话人身份的同时还要识别出语义的内容。首先对说话人进行录音,建立语料库,然后将语料进行预处理,接着对语音信号进行特征分析,提取梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC),建立HMM。再将建立好的模型与特征参数进行匹配,认为最高的概率值所代表的含义即为说话人的身份和语义的内容。本文主要研究工作如下所示:1.建立藏语安多方言语料库。对于藏语安多方言,实验室目前没有语料库,因此本文随机选取了6位藏语安多方言说话人,分别为4男2女,年龄在18-20岁,总计录制60句话120个词。建立好的语句、孤立词被分别用来说话人识别和语义识别。紧接着对语料进行预处理。2.提取特征参数。对于说话人识别,将预处理后的语音信号进行声学分析,提取特征参数,本文选择了说话人识别中常用到的特征参数MFCC。而对于语义识别,由于本文研究的是藏语安多方言,因此藏文转写、建立语法词典、语音标注是实验顺利进行的前提。3.建立模型库。将训练阶段提取出的特征参数分别建立说话人模型库和语义模型库,然后与识别阶段的特征参数进行概率比对,选出最大值,得出识别结果,然后将每次实验说话人的识别结果与语义的识别结果进行统计,得出两者同时识别出结果的双重识别率。实验表明,识别出说话人的平均识别率为71.9%,识别出语义的平均识别率为88.3%,最终同时识别出两者的平均识别率为58.4%。