1、人工智能,語音識(shí)別,簡介,語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù) 通俗的說：也就是與機(jī)器進(jìn)行語音交流，讓機(jī)器明白你說什么,語音識(shí)別的應(yīng)用,語音識(shí)別的應(yīng)用廣泛，常見的應(yīng)用系統(tǒng)有：語音輸入系統(tǒng)，相對(duì)于鍵盤輸入方法，語音控制系統(tǒng)，即用語音來控制設(shè)備的運(yùn)行，相對(duì)于手動(dòng)控制來說更加快捷、方便，可以用在諸如工業(yè)控制、語音撥號(hào)系統(tǒng)、智能家電、聲控智能玩具等許多領(lǐng)域；智能對(duì)話查詢系統(tǒng)，根據(jù)客戶的語音進(jìn)行操作，為用戶提供自然、友好的數(shù)據(jù)庫檢索服務(wù)，例如家庭服務(wù)、賓館服務(wù)、旅行社服務(wù)系統(tǒng)、訂票系統(tǒng)、醫(yī)療服務(wù)、銀行服務(wù)、股票查詢服務(wù)等等。,實(shí)現(xiàn)的方法,模式匹配法： 在訓(xùn)練階

2、段，用戶將詞匯表中的每一詞依次說一遍，并且將其特征矢量作為模板存入模板庫。 在識(shí)別階段，將輸入語音的特征矢量依次與模板庫中的每個(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。,面臨的主要問題,1.對(duì)自然語言的識(shí)別和理解。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)理解語義的規(guī)則。 2.語音信息量大。語音模式不僅對(duì)不同的說話人不同，對(duì)同一說話人也是不同的，例如，一個(gè)說話人在隨意說話和認(rèn)真說話時(shí)的語音信息時(shí)不同的。一個(gè)人 的說話方式隨著時(shí)間變化。,3.語音的模糊性。說話者在講話時(shí)，不同的詞可能聽起來是相似的。這在英語和漢語中常見。 4.單個(gè)字母或詞、字的語音特性受上下文的影響，以

3、致改變了重音、音調(diào)、音量和發(fā)音速度等。 5.環(huán)境噪聲和干擾對(duì)語音識(shí)別有嚴(yán)重影響，致使識(shí)別率低。,前端處理,前端處理是指在特征提取之前，先對(duì)原始語音進(jìn)行處理，部分消除噪聲和不同說話人帶來的影響，使處理后的信號(hào)更能反映語音的本質(zhì)特征。 最常用的前端處理有端點(diǎn)檢測和語音增強(qiáng),端點(diǎn)檢測是指在語音信號(hào)中將語音和非語音信號(hào)時(shí)段區(qū)分開來，準(zhǔn)確地確定出語音信號(hào)的起始點(diǎn)。經(jīng)過端點(diǎn)檢測后，后續(xù)處理就可以只對(duì)語音信號(hào)進(jìn)行，這對(duì)提高模型的精確度和識(shí)別正確率有重要作用。 語音增強(qiáng)的主要任務(wù)就是消除環(huán)境噪聲對(duì)語音的影響。目前通用的方法是采用維納濾波，該方法在噪聲較大的情況下效果好于其它濾波器。,系統(tǒng)實(shí)現(xiàn),語音識(shí)別系統(tǒng)選擇

4、識(shí)別基元的要求是，有準(zhǔn)確的定義，能得到足夠數(shù)據(jù)進(jìn)行訓(xùn)練，具有一般性。英語通常采用上下文相關(guān)的音素建模，漢語的協(xié)同發(fā)音不如英語嚴(yán)重，可以采用音節(jié)建模。系統(tǒng)所需的訓(xùn)練數(shù)據(jù)大小與模型復(fù)雜度有關(guān)。模型設(shè)計(jì)得過于復(fù)雜以至于超出了所提供的訓(xùn)練數(shù)據(jù)的能力，會(huì)使得性能急劇下降。,聽寫機(jī)：大詞匯量、非特定人、連續(xù)語音識(shí)別系統(tǒng)通常稱為聽寫機(jī)。其架構(gòu)就是建立在前述聲學(xué)模型和語言模型基礎(chǔ)上的HMM拓?fù)浣Y(jié)構(gòu)。訓(xùn)練時(shí)對(duì)每個(gè)基元用前向后向算法獲得模型參數(shù)，識(shí)別時(shí)，將基元串接成詞，詞間加上靜音模型并引入語言模型作為詞間轉(zhuǎn)移概率，形成循環(huán)結(jié)構(gòu)，用Viterbi算法進(jìn)行解碼。針對(duì)漢語易于分割的特點(diǎn)，先進(jìn)行分割再對(duì)每一段進(jìn)行解碼，是用以提高效率的一個(gè)簡化方法。,對(duì)話系統(tǒng)：用于實(shí)現(xiàn)人機(jī)口語對(duì)話的系統(tǒng)稱為對(duì)話系統(tǒng)。受目前技術(shù)所限，對(duì)話系統(tǒng)往往是面向一個(gè)狹窄領(lǐng)域、詞匯量有限的系統(tǒng)，其題材有旅游查詢、訂票、數(shù)據(jù)庫檢索等等。其前端是一個(gè)語音識(shí)別器，識(shí)別產(chǎn)生的N-best候選或詞候選網(wǎng)格，由語法分析器進(jìn)行分析獲取語義信息，再由對(duì)話管理器確定應(yīng)答信息，由語音合成器輸出。由于目前的系統(tǒng)往往詞匯量有限，也可以用提取關(guān)鍵詞的方法來獲取語義信息。,前景,語音識(shí)別已經(jīng)有五十多年的發(fā)展，已經(jīng)有相對(duì)完善的分析過程和技術(shù)，但是設(shè)計(jì)過程還是有相當(dāng)?shù)碾y度 目前英語的語