語音識別是機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄?wenkub
2022-09-15 18:42:46 本頁面
【正文】 較少，但其矢量量化的過程會造成性能的損失。其優(yōu)點為模型總數(shù)少，所以在大詞匯量語音識別中得到了廣泛的應(yīng)用。因此很多小詞匯量語音識別系統(tǒng)均采用整詞模型HMM。 5 0 20 40 60 80 100 120 14000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91 圖 利用人耳仿生學(xué)特性設(shè)計的 Mel尺度濾波器組 測度估計技術(shù)可以采用動態(tài)時間彎折 DTW、隱馬爾可夫模型 HMM 或人工神經(jīng)網(wǎng) ANN等算法，我們采用國際上最先進的 HMM，這樣我們能夠比較容易的實現(xiàn)非特定人，而且系統(tǒng)結(jié)構(gòu)也比較靈活、一致。在線性頻率上，當(dāng) m 較小時相鄰的 fm 間隔很小，隨著 m 的增加相鄰的 fm 間隔逐漸拉開。 為體現(xiàn)語音的動態(tài)特性，我們還在語音特征中加入了一階差分倒譜，其計算方法如下式所示： ??? ??? 2 2 )()( k kll mkcmc Pm??1 其中下標(biāo) l 與 lk 表示第 l 與 lk 幀， m 表示第 m 維。濾波器的中心頻率間隔特點是在 1000Hz 以下為線性分布， 1000Hz 以上 為等比數(shù)列分布。由于充分模擬了人的聽覺特性，而且沒有任何前提假設(shè)， MFCC 參數(shù)具有識別性能和抗噪能力，實驗證明在漢語數(shù)碼語音識別中 MFCC 參數(shù)的性能明顯優(yōu)于 LPCC 參數(shù)，因此本技術(shù)方案采用 MFCC 參數(shù)為語音特征參數(shù)。 該特征是基于語音信號為自回歸信號的假設(shè)，利用線性預(yù)測分析獲得倒譜參數(shù)。語音識別系統(tǒng)的模型通常由聲學(xué)模型和語言模型兩部分組成，分別對應(yīng)于語音到半音節(jié)概率的計算和半音節(jié)到字概率的計算。那么，對系統(tǒng)各個部分的設(shè)計首要考慮的是系統(tǒng) 對硬件資源的開銷必須盡量的小，不能超過這些設(shè)備的限制。 二、 V9?漢語語音識別系統(tǒng)的設(shè)計 V9?漢語語音識別系統(tǒng)是一個非特定人的、孤立音語音識別系統(tǒng)。 2 該成果在手機等移動（便攜式）電子設(shè)備上實現(xiàn)漢語全音節(jié)和詞組混合的語音漢字輸入方法、在漢語語音識別詞庫的處理方法和在具有精簡鍵盤設(shè)備上語音輸入漢字的方法和裝置上，具有創(chuàng)新性，處于國際領(lǐng)先地位。 在漢語全音節(jié)與詞組混合的語音識別任務(wù)中，得 到的初步實驗結(jié)果為： PC微機浮點算法條件下正確覆蓋率不低于 98%，定點算法的正確覆蓋率不低于97%。南山高科的核心技術(shù)是具有自主知識產(chǎn)權(quán)的 V9?輸入法和語音識別技術(shù)，秉承了三十多年來中科院聲學(xué)所相關(guān)領(lǐng)域的研究經(jīng)驗，目前在國際上處于領(lǐng)先地位，并已申請多項國家專利。 南山高科語音技術(shù)事業(yè)部主要致力于語音識別和語音合成及編碼技術(shù)的開發(fā)和應(yīng)用。 1 南山嵌入式語音文字輸入技術(shù)介紹 一、概述 語音識別是機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本文件或命令的高技術(shù)。首席科學(xué)家俞鐵城教授為中國語音識別技術(shù)鼻祖， 1972年開始在計算機上研究語音識別， 1986
公司管理相關(guān)推薦
鄂ICP備17016276號-1