【正文】 17:01:3217:01:3217:011/22/2023 5:01:32 PM1越是沒(méi)有本領(lǐng)的就越加自命不凡。 22 一月 20235:01:32 下午 17:01:32一月 211比不了得就不比，得不到的就不要。 視覺(jué)語(yǔ)音 ? 視覺(jué)語(yǔ)音是指人們?cè)谟谜Z(yǔ)言交流時(shí)所表達(dá)出的面部表情和動(dòng)作，它能在一定程度上傳達(dá)人們想要表達(dá)的意思，并能幫助人們加深對(duì)語(yǔ)言的理解。 由字可組成詞，由詞可組成詞組，由詞組可組成句子，進(jìn)而由一些句子組成段、節(jié)、章、篇。 語(yǔ)音識(shí)別技術(shù)的發(fā)展歷史 如圖表示了從 80年代初以來(lái)語(yǔ)音識(shí)別技術(shù)經(jīng)歷的從孤立詞、小詞匯量、特定人到大詞匯量、非特定人、自然口語(yǔ)識(shí)別的發(fā)展歷程。? DTS? DTS公司用一種簡(jiǎn)單的辦法解決了這個(gè)問(wèn)題，即把音效數(shù)據(jù)存儲(chǔ)到另外的 CDROM中，使其與影像數(shù)據(jù)同步。177。Transfer ITUT于 1996年 3月通過(guò)了 ，它使用 8kb/s的共軛結(jié)構(gòu)代數(shù)碼激勵(lì)線(xiàn)性預(yù)測(cè)(CSACELP)算法，此標(biāo)準(zhǔn)將在無(wú)線(xiàn)移動(dòng)網(wǎng)、數(shù)字多路復(fù)用系統(tǒng)和計(jì)算機(jī)通信系統(tǒng)中應(yīng)用。 MPEG音頻文件根據(jù)壓縮質(zhì)量和編碼復(fù)雜程度的不同可分為三層（ MPEG例如，在低頻子帶中，為了保護(hù)音調(diào)和共振峰的結(jié)構(gòu)，就要求用較小的量化階、較多的量化級(jí)數(shù)，即分配較多的比特?cái)?shù)來(lái)表示樣本值。? LPC濾波器的參數(shù)是通過(guò)線(xiàn)性預(yù)測(cè)的方法，即用過(guò)去的樣值預(yù)測(cè)當(dāng)前樣值提取的。 DM波形編碼的原理圖其中 x[i]表示在 i點(diǎn)的編碼輸出， yi表示輸入信號(hào)的實(shí)際值， y[i]表示輸入信號(hào)的預(yù)測(cè)值。n 共扼結(jié)構(gòu) — 代數(shù)碼激勵(lì)線(xiàn)性預(yù)測(cè)編碼（ CSACELP） ? 音頻信號(hào)在通過(guò)一個(gè)編解碼系統(tǒng)后可能引入大量的噪聲和一定的失真。 這 種方法稱(chēng)為 脈沖 編碼調(diào) 制 ，用 PCM表示 。許多研究人員研究了各種各樣的方法，而且?guī)缀跛械姆椒ɑ旧隙际窃跈z測(cè)到斜率過(guò)載時(shí)開(kāi)始增大量化階 Δ，而在輸入信號(hào)的斜率減小時(shí)降低量化階 Δ。 代數(shù)碼本激勵(lì)線(xiàn)性預(yù)測(cè)編碼? 極低速率可視電話(huà)標(biāo)準(zhǔn) 準(zhǔn)是 ，采用 ／ s和 ／ s兩種速率，其中 ／ s速率就是以ACELP算法為基礎(chǔ)。 MP3格式開(kāi)始于二十世紀(jì) 80年代中期，是在德國(guó)夫朗和費(fèi)研究所（ Fraunhofer Institute）開(kāi)始的，研究致力于高質(zhì)量、低數(shù)據(jù)率的聲音編碼。MP3音頻壓縮編碼? 音樂(lè)信號(hào)中有許多冗余成分，其中包括間隔和一些人耳分辨不出的信息（如混雜在較強(qiáng)背景中的弱信號(hào)）。Difference，兩側(cè)聲音時(shí)間延遲差別）。最后于聽(tīng)者附近的所有位置重復(fù)上述過(guò)程，即可獲取完整的 HRTF系統(tǒng)。 杜比 AC3? AC3采用基于改良離散余弦變換（ MDCT）的自適應(yīng)變換編碼（ ATC）算法。相似功能，更加強(qiáng)了其縱深定位交叉效果。的杜比數(shù)字解碼，輸出 ? 語(yǔ)音識(shí)別所應(yīng)用的模式匹配和模型訓(xùn)練技術(shù)主要有動(dòng)態(tài)時(shí)間歸正技術(shù)（ DTW，又稱(chēng)為動(dòng)態(tài)時(shí)間彎折技術(shù)）、隱馬爾可夫模型（ HMM）和人工神經(jīng)元網(wǎng)絡(luò)（ ANN）。? 概率語(yǔ)法是有機(jī)結(jié)合這兩類(lèi)技術(shù)的較好理論體系。Synchronous由一組參數(shù)來(lái)控制每個(gè)頂點(diǎn)的運(yùn)動(dòng)，再通過(guò)圖像變形技術(shù)實(shí)現(xiàn)人臉上各個(gè)像素點(diǎn)的運(yùn)動(dòng)，來(lái)生成人們說(shuō)話(huà)時(shí)的各種面部表情。 一月 21一月 21Friday, January 22, 2023很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒(méi)有。 22 一月 20235:01:32 下午 17:01:32一月 211最具挑戰(zhàn)性的挑戰(zhàn)莫過(guò)于提升自我。 。 一月 21一月 21Friday, January 22, 2023雨中黃葉樹(shù)，燈下白頭人。 ? TS系統(tǒng)是一種以文字串為輸入的規(guī)則合成系統(tǒng)。實(shí)際上只有在篇章的范圍內(nèi)分析，省略、指代和句子的固有歧義等問(wèn)題才可能解決。? 例： IBM Via Voice 孤立詞語(yǔ)音識(shí)別系統(tǒng)? 孤立詞 (語(yǔ)音 )識(shí)別系統(tǒng)，一次只提供一個(gè)單一詞的識(shí)別 ? 識(shí)別器的第一個(gè)任務(wù)是進(jìn)行幅度和噪聲歸一化，下一步是參數(shù)分析 ? 可以通過(guò)把對(duì)應(yīng)于一個(gè)詞的大量樣本聚集為單一群來(lái)獲得非特定人孤立單詞語(yǔ)音識(shí)別器。后者在低音方面缺少豐富的力度 第四講 數(shù)字語(yǔ)音處理技術(shù) ? ?數(shù)字音頻壓縮技術(shù)? ?三維音效? 語(yǔ)音識(shí)別? 自然語(yǔ)言理解? 語(yǔ)音合成 語(yǔ)音識(shí)別技術(shù)及應(yīng)用? 語(yǔ)音識(shí)別的發(fā)展歷史 ? 語(yǔ)音識(shí)別技術(shù)? 語(yǔ)音識(shí)別系統(tǒng)的類(lèi)型 ? 語(yǔ)音識(shí)別的應(yīng)用 語(yǔ)音識(shí)別的發(fā)展歷史? 語(yǔ)音識(shí)別技術(shù)的研究工作始于 20世紀(jì) 50年代，當(dāng)時(shí) ATT Bell實(shí)驗(yàn)室實(shí)現(xiàn)了第一個(gè)可識(shí)別十個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng) ——Audry 系統(tǒng)。芯片容量為 System” 的縮寫(xiě)，是 “ 數(shù)字化影院系統(tǒng) ” 的意思。 ? 交互式 3D音效 n 交互式 3D盡量地復(fù)制了人耳在真實(shí)世界中聽(tīng)到的聲音，并使用一定的算法來(lái)播放出來(lái)，讓我們感到整個(gè)三維空間的所有地方都可能產(chǎn)生聲音，并隨聽(tīng)者的移動(dòng)而做出相應(yīng)改變。 ? 由于兩耳機(jī)的距離約為 15厘米，當(dāng)波長(zhǎng)大于 15厘米時(shí) IIT和 ITD將會(huì)減弱。? 224kb/s的調(diào)幅廣播質(zhì)量的音頻信號(hào)壓縮為 64kb/s，主要用于視聽(tīng)多媒體和會(huì)議電視等。Group,在接收端譯碼時(shí)，將每個(gè)子帶的代碼單獨(dú)譯碼，然后把它們組合起來(lái)，還原成原來(lái)的音頻信號(hào)。自適應(yīng)差分脈沖編碼調(diào)制它的核心想法是： ① 利用自適應(yīng)的思想改變量化階的大小， 即使用小的量化階 (stepsize)去編碼小的差值，使用大的量化階去編碼大的差值 ； ② 使用過(guò)去的樣本值估算下一個(gè)輸入樣本的預(yù)測(cè)值，使實(shí)際樣本值和預(yù)測(cè)值之間的差值總是最小。 A律壓 (縮 )擴(kuò) (展 )算法A律 (ALaw)壓擴(kuò)用在歐洲和中國(guó)大陸等地區(qū)的數(shù)字電話(huà)通信中，按下面的式子確定量化輸入和輸出的關(guān)系：式中： x為輸入信號(hào)幅度，規(guī)格化成 1?x?1， sgn(x)為 x的極性； A為確定壓縮量的參數(shù)，它反映最大量化間隔和最小量化間隔之比。）n 線(xiàn)性預(yù)測(cè)編碼（ LPC） （ ADPCM） n 數(shù)字電路倍增設(shè)備 — 自適應(yīng)差分脈沖編碼調(diào)制 時(shí)域壓縮算法n 嵌入式自適應(yīng)差分脈沖編碼調(diào)制（ EADPCM sgn(x)為 x的極性； m為確定壓縮量的參數(shù)，它反映最大量化間隔和最小量化間隔之比，取 100?m?500。 ? CCITT的 32kbit/s語(yǔ)音編碼標(biāo)準(zhǔn) ADPCM編碼方式，每個(gè)語(yǔ)音樣值相當(dāng)于用 4bit進(jìn)行編碼。在信道上傳送時(shí)，將每個(gè)子帶的代碼復(fù)合起來(lái)。Experts ? 1988年 CCITT為調(diào)幅廣播質(zhì)量的音頻信號(hào)壓縮制定了 ，它使用子帶編碼 (SBC)方案，其濾波器組將輸入信號(hào)分成高低兩