多媒體人機交互技術(編輯修改稿)
2025-02-01 14:04 本頁面
【文章內容簡介】 語音識別技術與語音合成技術的結合，使人和計算機之間能夠實現雙向語言交流，擺脫鍵盤對人機交互方式的束縛。 語音識別的技術原理 ? 語音特征提取 ：其目的是從語音波形中提取出隨時間變化的語音特征序列。 ? 聲學模型與模式匹配（識別算法） ：聲學模型通常通過學習算法來獲取語音特征。在識別時將輸入的語音特征同聲學模型進行匹配與比較，得到最佳的識別結果。 ? 語言模型與語言處理： 語言模型包括由識別語音命令構成的語法網絡或由統計方法構成的語言模型，語言處理可以進行語法、語義分析。對小詞表語音識別系統，往往不需要語言處理部分。 計算機的語音識別過程與人對語音的識別處理過程基本上是一致的。目前主流的語音識別技術是建立在統計模式識別基本理論之上的，其語音識別系統可大致分為三部分： 語音合成技術 語音合成技術簡介 語音合成（ Speech synthesis，或 Text To Speech）技術，是指 將文本信息轉變?yōu)檎Z音數據，再以語音的方式播放出來的技術 ，通常被簡稱為 TTS技術。一個典型的語音合成系統可分為 文本分析、韻律建模和語音合成 三大模塊，主要功能 是： 根據韻律建模的結果，從原始語音庫中取出相應的語音基元，利用特定的語音合成技術對語音基元進行韻律特性的調整和修改，最終合成出符合要求的語音 。 語音合成的技術方法 語音合成（讓計算機說話）的基本思路有兩種：一種是參數模擬合成， 一種是 波形拼接合成 。 參數模擬合成 :是采用數字信號處理的方法，將人類發(fā)聲過程看作是一個模擬聲門狀態(tài)的源，去激勵一個表征聲道諧振特性的時變數字濾波器。 波形拼接合成 :是將要合成的語音信息分割成大量不同的語音信息元，并以數字形式存儲，合成時根據具體內容和要求，選擇適當的語音信息元進行拼接，從而形成所需的語音信息。 語音合成技術的應用與發(fā)展方向 語音合成技術可廣泛應用于 語音數據查詢、語音提示、電話銀行、語音信箱、語音郵件、語音新聞發(fā)布、語音廣播等各類語音業(yè)務 ，提供更加人性化的人機交互方式。 語音合成技術的發(fā)展方向： 1) 提高合成語音的自然度 2) 豐富合成語音的表現力 3) 降低語音合成技術的復雜度 4) 多語種文語合成 虛擬現實技術 虛擬現實技術簡介 ? 虛擬現實（ Virtual Reality）是 利用計算機生成一種模擬環(huán)境，通過多種傳感設備使用戶“投入”到該環(huán)境中，實現用戶與該環(huán)境直接進行自然交互的技術 。 ? 虛擬現實技術的研究內容涉及到人工智能、計算機科學、電子學、傳感器、計算機圖形學、智能控制、心理學等。 ? 虛擬現實技術的 特點 在于， 計算機產生一種人為虛擬的環(huán)境，這種虛擬的環(huán)境是通過計算機圖形構成的三維空間，或是把其它現實環(huán)境編制到計算機中去產生逼真的“虛擬環(huán)境”，從而使得用戶在視覺上產生一種沉浸于虛擬環(huán)境的感覺 。 虛擬現實系統 虛擬現實系統的典型模型 如右圖所示。使用者通過傳感裝置直接對虛擬環(huán)境進行操作，并得到實時三維顯示和其它 反饋信息（如觸覺、力覺反饋等）。當系統與外部世界通過傳感裝 置構成反饋閉環(huán)時，在用戶的控制下，用戶與虛擬環(huán)境間的交互可以對外部世界產生作用（如遙操作等）。 圖 127 虛擬現實系統的模型 虛擬現實系統的構成 一般的虛擬現實系統主要由以下五個模塊構成，如下圖所示。 圖 128 虛擬現實系統的構成 ? 檢測模塊： 檢測用戶的操作命令，并通過傳感器模塊作用于虛擬環(huán)境。 ? 反饋模塊： 接受來自傳感器模塊信息，為用戶提供實時反饋。 ? 傳感器模塊： 一方面接受來自用戶的操作命令，并將其作用于虛擬環(huán)境；另一方面將操作后產生的結果以各種反饋的形式提供給用戶。 ? 控制模塊： 對傳感器進行控制，使其對用戶、虛擬環(huán)境和現實世界產生作用。 ? 建模模塊： 獲取現實世界組成部分的三維表示，并由此構成對應的虛擬環(huán)境。 虛擬現實技術的特征 1）多感知性： 除了一般計算機所具有的視覺感知外，還有聽覺感知、力覺感知、觸覺感知、運動感知、甚至包括味覺感知、嗅覺感知等。理想的虛擬現實就是應該具有人所具有的
外語相關推薦
鄂ICP備17016276號-1