sasr技術(shù)ppt課件(編輯修改稿)
2025-06-01 18:23 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 如果顧客回答說(shuō) “ 我在找面包 。 系統(tǒng)將會(huì)告訴顧客： “ 面包在第 11過(guò)道 ， 就是直接往前第 3個(gè)過(guò)道 ， 我們今天有全麥面包特惠 ， 需要我為您打印一張優(yōu)惠券嗎 ？ 語(yǔ)音識(shí)別用于商場(chǎng)導(dǎo)購(gòu) 德國(guó)西門(mén)子公司推出的一種新洗衣機(jī) ,洗衣物非常專(zhuān)業(yè) ， 知道為什么樣的臟衣物選擇合適洗滌程序和洗滌劑 ， 而主人只需要口頭命令即可 ， 比如 “ 半個(gè)小時(shí)后再洗 ” 。 與普通洗衣機(jī)的不同之處是安裝了語(yǔ)音識(shí)別芯片 ， 能根據(jù)用戶(hù)的語(yǔ)音指令確定洗滌程序 。 語(yǔ)音識(shí)別用于家用電器， 走入人類(lèi)未來(lái)生活 三、語(yǔ)音識(shí)別的類(lèi)型 ， 有： （ 1） 孤立詞識(shí)別 （ 字或詞間有停頓 ， 用于控制系統(tǒng) ） （ 2） 連接詞識(shí)別 （ 十個(gè)數(shù)字連接而成的多位數(shù)字識(shí)別或由少數(shù)指令構(gòu)成詞條的識(shí)別 ， 用于數(shù)據(jù)庫(kù)查詢(xún) 、 電話和控制系統(tǒng) ） （ 3） 連續(xù)語(yǔ)音識(shí)別和理解 （ 自然的說(shuō)話方式 ） （ 4） 會(huì)話語(yǔ)音識(shí)別 （ 識(shí)別出會(huì)話語(yǔ)言 ） ， 有： （ 1） 大詞匯 （ 1000個(gè)以上的詞匯 ， 如會(huì)議系統(tǒng) ） （ 2） 中詞匯 （ 20～ 1000個(gè)詞匯 ， 如定票系統(tǒng) ） （ 3） 小詞匯 （ 1～ 20個(gè)詞匯 ， 如語(yǔ)音電話撥號(hào) ） ， 有： （ 1） 單個(gè)特定人 （ 2） 多講話人 （ 有限的講話人 ） （ 3） 與講話者無(wú)關(guān) 四、語(yǔ)音識(shí)別的方法 在訓(xùn)練階段 ， 用戶(hù)將詞匯表中的每一詞依次說(shuō)一遍 ， 并且將其特征矢量作為模板存入模板庫(kù) 。 在識(shí)別階段 ， 將輸入語(yǔ)音的特征矢量依次與模板庫(kù)中的每個(gè)模板進(jìn)行相似度比較 ， 將相似度最高者作為識(shí)別結(jié)果輸出 。 特征矢量 LPC倒譜 c(n) 語(yǔ) 文 學(xué) 音 wen 模板庫(kù) 由于語(yǔ)音有較大的隨機(jī)性 ， 即使同一個(gè)人在不同時(shí)刻的同一句話發(fā)的同一個(gè)音 ， 也不可能具有完全相同的時(shí)間長(zhǎng)度 ， 因此時(shí)間伸縮處理是必不可少的 。 DTW用滿(mǎn)足一定條件的時(shí)間規(guī)整函數(shù) ， 描述待識(shí)別模式和參考模板的時(shí)間對(duì)應(yīng)關(guān)系 ， 求解兩個(gè)模板匹配 ，就是累積距離測(cè)度最小對(duì)應(yīng)的規(guī)整函數(shù) 。 DTW(Dynamic Time Warping) 動(dòng)態(tài)時(shí)間規(guī)整 采用 HMM模型 ， 使用概率參數(shù)來(lái)進(jìn)行估計(jì)和判決 。 無(wú)聲 段 鼻音 段 聲母 輔音段 元音 段 送氣 段 前過(guò) 渡段 后過(guò) 渡段 (1)發(fā)音的各個(gè)段構(gòu)成相應(yīng)的狀態(tài)。 (3)基本單元發(fā)音速率（停留時(shí)間和轉(zhuǎn)移時(shí)間）對(duì)應(yīng)狀態(tài)轉(zhuǎn)移概率 ()。 (2)聲學(xué)變化（ LPC倒譜）對(duì)應(yīng)輸出序列，概率分布成混合高斯密度函數(shù)。 A2 用 HMM實(shí)現(xiàn)連續(xù)語(yǔ)音識(shí)別的框架 音子 a 音子 b 特征矢量 音子 a 字 A1 句子 A1 P(A1) P(A2/A1) sa1 sa2 sa3 sa4 sa5 BEGIN 句法層：每個(gè)句子由若干字構(gòu)成 ， 每個(gè)字都選自于字庫(kù) 。 字層：每個(gè)字由音子串接而成 ， 需要一個(gè)數(shù)據(jù)庫(kù)來(lái)描述每一個(gè)字如何用音子串接的 。 語(yǔ)音層：每個(gè)音子用一個(gè) HMM模型及其相應(yīng)的參數(shù)來(lái)描述 （ 狀態(tài)及其狀態(tài)間的轉(zhuǎn)移 ） 。 聲學(xué)層：提取語(yǔ)音幀特征矢量 。 。首先必須將連續(xù)的講話分解為詞、音素等單位，其次要建立一個(gè)理解語(yǔ)義的規(guī)則。 。語(yǔ)音模式不僅對(duì)不同的說(shuō)話人不同，對(duì)同一說(shuō)話人也是不同的，例如，一個(gè)說(shuō)話人在隨意說(shuō)話和認(rèn)真說(shuō)話時(shí)的語(yǔ)音信息時(shí)不同的。一個(gè)人的說(shuō)話方式隨著時(shí)間變化。 五、語(yǔ)音識(shí)別的主要問(wèn)題 。說(shuō)話者在講話時(shí)，不同的詞可能聽(tīng)起來(lái)是相似的。這在英語(yǔ)和漢語(yǔ)中常見(jiàn)。 、字的語(yǔ)音特性受上下文的影響，以致改變了重音、音調(diào)、音量和發(fā)音速度等。 ，致使識(shí)別率低。 Agenda ? 語(yǔ)音合成技術(shù)概述 ? TTS語(yǔ)音合成技術(shù) ? 語(yǔ)音識(shí)別技術(shù)概述 ? ASR語(yǔ)音識(shí)別技術(shù) ? 語(yǔ)音處理的發(fā)展和趨勢(shì) ASR語(yǔ)音識(shí)別 ? ASR的定義 ? ASR的流程 ? ASR的分類(lèi) ? ASR的學(xué)科特點(diǎn) ? ASR的歷史 ASR的定義 ?兩個(gè)不同層次的理解 ?ASR:Automatic Speech Recognition，讓機(jī)器把人說(shuō)的語(yǔ)音翻譯成文字 ?自動(dòng)語(yǔ)音理解（ ASU） :在語(yǔ)音識(shí)別的基礎(chǔ)上，理解人所說(shuō)的文字意義 ?目標(biāo)：理解任何人在任何環(huán)境下的語(yǔ)音，模仿人的聽(tīng)覺(jué)能力 ASR的信號(hào)流框圖 SpeechRecognizerCharacterSeriesSpeechsourceA/
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1