《人工智能應(yīng)用導(dǎo)論》課件-52語音識別原理概述1124_第1頁
《人工智能應(yīng)用導(dǎo)論》課件-52語音識別原理概述1124_第2頁
《人工智能應(yīng)用導(dǎo)論》課件-52語音識別原理概述1124_第3頁
《人工智能應(yīng)用導(dǎo)論》課件-52語音識別原理概述1124_第4頁
《人工智能應(yīng)用導(dǎo)論》課件-52語音識別原理概述1124_第5頁
已閱讀5頁，還剩10頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

項目5：智能語音助理—語音處理語音識別原理語音識別技術(shù)定義與發(fā)展史基本定義：語音識別技術(shù)（AutomaticSpeechRecognition，ASR）就是讓機器通過識別和理解把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。語音識別技術(shù)定義與發(fā)展史發(fā)展史圖片要順序顯示，先顯示1950s，再1980s，在1993-2009，再2009以后語音識別技術(shù)定義與發(fā)展史發(fā)展史語音識別技術(shù)定義與發(fā)展史科大訊飛——帶領(lǐng)中國聲谷崛起語音識別技術(shù)度量標準度量標準：詞錯誤率=準確率=語音識別技術(shù)影響因素應(yīng)用限制與影響因素：環(huán)境影響：噪音、場地、麥克風、信道說話人影響：口音、方言、音量說話內(nèi)容影響：中英混讀、專業(yè)術(shù)語

一般場景下無法達到100%準確率語音識別技術(shù)原理語音識別系統(tǒng)一般包括四部分：音頻信號數(shù)字化、特征提取、模型訓(xùn)練、解碼器。本圖按照--音頻信號數(shù)字化、特征提取、模型訓(xùn)練、解碼器、識別結(jié)果順序顯示語音識別技術(shù)原理語音信號的數(shù)字化一般包括語音信號采集、濾波、音頻自動增益（ACG）、采樣模/數(shù)轉(zhuǎn)換、編碼、存儲/傳輸?shù)炔襟E。語音信號采集濾波器音頻自動增益模/數(shù)轉(zhuǎn)換（A/D）編碼存儲/傳輸本圖按照--箭頭順序顯示語音識別技術(shù)原理特征提取模板比較法：直接比較波形好嗎？-計算距離：，-距離小者為識別結(jié)果語音識別技術(shù)原理特征提取常用的語音特征提取技術(shù)就是梅爾倒譜系數(shù)(Mel-FrequencyCepstralCoefficients，簡稱MFCC)語音識別技術(shù)原理解碼器聲學(xué)模型：給定語言學(xué)單元（如音素），計算輸入語音匹配的可能性，即特征=>音素。詞典：聲學(xué)模型分析出的語音單元轉(zhuǎn)為單詞，即音素=>詞語言模型：計算各種不同文本序列搭配的可能性，即詞=>句子。解碼器：根據(jù)不同的可能性來得到最有可能的文本序列，即識別結(jié)果。識別結(jié)果詞典解碼器特征提取語音信號聲學(xué)模型語言模型語音識別技術(shù)原理語音識別技術(shù)原理模型訓(xùn)練模型通常由聲學(xué)模型和語言模

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論