随着大规模连续语音识别的广泛应用,语音的置信度在语音识别技术中发挥了越来越重要的作用。本文对于目前的基于网格的语音识别置信度算法进行了总结和改进,并将改进后的方法应用于脚本确认系统的实现中。 本文对于语音的置信度的研究和创新主要包含两个方面,一方面是如何计算每段语音的基本单位--音素的置信度,另一方面是如何从音素的置信度得到词一级甚至句子一级的置信度。 对于音素的置信度计算方面,本文利用对于网格的统计得到易混音素对(Confusable Pairs, CP),在原有基于模板的通用后验概率算法(Template Constrained Generalized Posterior Probability, TCGPP)基础上对其加以改进；同时设计出一种选取相对阈值的方法来设计模板。实验证明,由于这种改进同时考虑到了语言模型和声学模型的特性,比原有方法具有更好的效果；而选取相对阈值的方法设计模板要比绝对阈值方法具有更好的效果。此外,本文也分析了TCGPP算法以及使用易混音素对改进后的TCGPP算法的局限性,通过实验表明它们仍然受到声学模型质量的限制。 对于通过音素级置信度来计算句子置信度方面,本文独创性的引进一种投票排序的算法,在统计意义上得出句子级的置信度结果,使得音素级置信度信息得到更加充分的利用。因此该方法在实践中具有很高的实用性。 本文将改进后的置信度算法和投票排序方法加以应用,实现了脚本确认系统。该系统用于在语音数据库的录制过程中,自动检测录音内容与对应的脚本的一致性。现被微软中国研发集团商务软件部语音合成组用于数据库的建立,目前在多种语言上运行效果良好。