来源：期刊VIP网 时间：
作者：潘桂妹;
单位：湛江科技学院;
摘要：针对传统动态时间规整（DTW）算法在大规模语音数据处理中效率低、非特定人识别鲁棒性不足，以及Transformer模型在短时语音时序对齐精度欠佳的问题，提出一种DTW与Transformer融合的连续语音识别与发音校正算法。该算法通过DTW实现短时语音帧的精准时序对齐，利用Transformer的多头注意力机制捕捉长时语音序列的全局依赖关系，构建“局部对齐-全局建模”的双层处理架构。在公开语音数据集TIMIT和自建语言学习发音数据集上的实验结果表明：所提算法的连续语音识别词错误率（WER）较传统DTW算法降低18.9%，较单一Transformer模型降低5.7%；发音校正的音素错误检出率达95.3%，实时响应延迟控制在280 ms以内，可以满足语言教育、智能评测等场景的应用需求。
关键词：连续语音识别;;发音校正;;动态时间规整;;Transformer;;时序对齐;;注意力机制
基金资助：广东省教育厅项目（粤教高函[2023]4号-1097）;; 中国民办教育协会2025年度规划课题（青年课题）（CANQN250851）;; 湛江市哲学社会科学2025年度规划项目（ZJ25YB47）
