在本論文中,我們完成一套以音素為單元的語者調適國語單音辨識系統。
在此系統中，分為語音辨識及語者調適兩個部份。 本系統在辨識方面，
首先以音節分割演算法，將語音訊號分成聲母和韻母兩個部份， 進而區
分成三個區段(聲母一個區段，韻母兩個區段），然後針對每一個區段，
建立一分段式拜式網路（Segmental Bayesain Network)。相較於傳統的
HMM演算法，本方法在未降低辨識率的情況下，訓練時間較少，且辨識速
度較快。 在調適方面，語者調適技術的困難處，在如何利用少量的語音
資料來調適語音參考碼本，以提昇系統整體的辨識率。本系統使用GPD
Generalized Probabilistic Descent)演算法。 從408個中文單音中，經
過分類、歸納， 選出76個具代表性的單音以作為調適的基礎音，再將其
分割成音素單元，針對38個韻母預處理碼本，以及相對應之408個單音參
考碼本進行調適。 此外，在線上辨識時亦可隨時以漸進學習的方式，以
使用者當時的輸入語音來作系統的調適。在實驗方面,我們以八個成年男
子將中文408個單音各唸兩遍，將其中五個人（共十組）的語音資料取出
，建立出一套不特定語者之韻母預處理碼本及單音參考碼本， 另外三個
人（共六組）之語音資料，則留作實驗測試之用。經過實驗後(76音調適
），整體408音的平均辨識率，前二名由原先的46.5%提昇為72.7%，前五
名由原先的69.8%提昇為82.4%。