第5章 语音识别技术

1、第第5章章 语音识别技术语音识别技术5.1 语音识别基础知识语音识别基础知识5.2 语音识别基本原理语音识别基本原理5.3 面向具体任务的语音识别系统面向具体任务的语音识别系统5.4 语音识别的适时应用语音识别的适时应用 语音识别（语音识别（Speech Recognition, Voice Identification）技术将人类语音转换为电子信号，）技术将人类语音转换为电子信号，然后将这些信号输入进具有规定含义的编码模式中。然后将这些信号输入进具有规定含义的编码模式中。它并不是将说出的词汇转变为字典式的拼法，而是它并不是将说出的词汇转变为字典式的拼法，而是转换为一种计算机可以识别的形式，这

2、种形式通常转换为一种计算机可以识别的形式，这种形式通常可触发某个指令，例如，打开某个文件、发出某个可触发某个指令，例如，打开某个文件、发出某个讯号或开始对某一活动录音。讯号或开始对某一活动录音。 在某些应用中，特别是多步骤检验的应用中，在某些应用中，特别是多步骤检验的应用中，使用模拟语音提示可以帮助完成整个检验过程。使用模拟语音提示可以帮助完成整个检验过程。语音识别与模拟语音提示相结合，帮助操作人员语音识别与模拟语音提示相结合，帮助操作人员完成一系列的工作，它采用操作人员对模拟语音完成一系列的工作，它采用操作人员对模拟语音提示的回答来确认工作的正确性。提示的回答来确认工作的正确性。 在速度和准

3、确性要求较高的应用中，或者在在速度和准确性要求较高的应用中，或者在操作人员的手和眼睛要用来进行其他工作，而不操作人员的手和眼睛要用来进行其他工作，而不能写字或打字的情况下，语音识别是理想的技术。能写字或打字的情况下，语音识别是理想的技术。通常的语音识别应用包括收货通常的语音识别应用包括收货/送货、批发、订单送货、批发、订单取货、零件追踪、试验室工作、库存控制、铲车取货、零件追踪、试验室工作、库存控制、铲车操作、分类、材料处理、质量控制和仓库管理。操作、分类、材料处理、质量控制和仓库管理。 5.1.1 语音识别的概念语音识别的概念 语音识别是一种将人讲话发出的语音通信声波语音识别是一种将人讲话发

4、出的语音通信声波 识别成一种能够表达通信信息的符号序列。这些符识别成一种能够表达通信信息的符号序列。这些符号可以是识别系统的词汇本身，也可以是识别系统号可以是识别系统的词汇本身，也可以是识别系统词汇的组成单元，通常称为基元或子词基元。词汇的组成单元，通常称为基元或子词基元。5.1.2 语音识别的方法语音识别的方法 基于模板基于模板(Template)匹配的方法：方法简单，匹配的方法：方法简单，通用性差。通用性差。 字词基元的随机处理模型：隐马尔科夫模型字词基元的随机处理模型：隐马尔科夫模型(Hidden Markov Model, HMM)。 语音识别的研究工作大约开始于语音识别的研究工作大约

5、开始于50年代，当年代，当时时AT& T Bell实验室实现了第一个可识别十个英实验室实现了第一个可识别十个英文数字的语音识别系统文数字的语音识别系统Audry系统。系统。 60年代，计算机的应用推动了语音识别的发年代，计算机的应用推动了语音识别的发展。展。70年代，语音识别领域取得了突破。年代，语音识别领域取得了突破。80年代，语音识别研究进一步走向深入和实年代，语音识别研究进一步走向深入和实用。用。我国语音识别研究工作一直紧跟国际水平。我国语音识别研究工作一直紧跟国际水平。5.1.3 语音识别的发展简史语音识别的发展简史5.1.4 语音识别的发展趋势语音识别的发展趋势 1. 提高可

6、靠性。提高可靠性。 2. 增加词汇量。增加词汇量。 3. 拓展应用。拓展应用。 4. 降低成本、减小体积。降低成本、减小体积。5.1.5 语音识别的系统类型语音识别的系统类型 1. 限制用户的说话方式。限制用户的说话方式。 2. 限制用户的用词范围。限制用户的用词范围。 3. 限制系统的用户对象。限制系统的用户对象。5.2 语音识别基本原理语音识别基本原理 三个原理：三个原理： 1. 语音信号中的语言信息是按照短时幅度语音信号中的语言信息是按照短时幅度谱的时间变化模式来编码的。谱的时间变化模式来编码的。 2. 语音是可以阅读的，即它的声学信号可语音是可以阅读的，即它的声学信号可以在不考虑说话人

7、试图传达的信息的内容情况下，以在不考虑说话人试图传达的信息的内容情况下，用数十个具有区别性的、离散的符号来表示。用数十个具有区别性的、离散的符号来表示。 3. 语言交互是一个认知过程，因而不能与语言交互是一个认知过程，因而不能与语言的语法、语义和语用结构割裂开来。语言的语法、语义和语用结构割裂开来。5.2.1 特征参数提取特征参数提取 特征参数提取的目的是对语音信号进行分析特征参数提取的目的是对语音信号进行分析处理，从而突出所载荷的语言声音信息的特征，处理，从而突出所载荷的语言声音信息的特征，尽可能抑制与语言声音信息无关的特征，同时压尽可能抑制与语言声音信息无关的特征，同时压缩特征的数据量。语

8、音识别系统主要提取以短时缩特征的数据量。语音识别系统主要提取以短时幅度谱为基础的各种特征，典型特征包括线性预幅度谱为基础的各种特征，典型特征包括线性预测倒谱系数和美倒谱系数。测倒谱系数和美倒谱系数。5.2.2 语音识别的基元选择语音识别的基元选择 语音识别基元的主要任务是在不考虑是说话语音识别基元的主要任务是在不考虑是说话人试图传达的信息的内容情况下，将声学信号表人试图传达的信息的内容情况下，将声学信号表示为若干个具有区别性的离散的符号。示为若干个具有区别性的离散的符号。 能够充当语音识别基元的单位可以是词句、能够充当语音识别基元的单位可以是词句、音节、音素或更小的单位，具体选择什么样的基音节

9、、音素或更小的单位，具体选择什么样的基元，经常受识别任务的具体要求和设计者的知识元，经常受识别任务的具体要求和设计者的知识背景影响。背景影响。5.2.3 基元模型的训练和基元模型的匹配基元模型的训练和基元模型的匹配 动态时间归正技术动态时间归正技术(Dynamic Time Warping, DTW); 隐马尔科夫模型隐马尔科夫模型(HMM); 人工神经网络人工神经网络(Artificial Neural Network, ANN) 语音识别基元模型的训练是指按照一定的的语音识别基元模型的训练是指按照一定的的准则，从大量已知模式中获取表征该模式本质特准则，从大量已知模式中获取表征该模式本质特征

10、的模型参数，而基元模型的匹配则是根据一定征的模型参数，而基元模型的匹配则是根据一定的准则，使未知模式与模型库中的模型序列构成的准则，使未知模式与模型库中的模型序列构成最佳匹配。最佳匹配。5.3 面向具体任务的语音识别系统面向具体任务的语音识别系统图图5-1 面向任务的语音交互控制系统面向任务的语音交互控制系统5.3.1 语音识别系统性能评价标准语音识别系统性能评价标准 见见P188表表5-1。5.3.2 语音识别系统的要求及错误处理方法语音识别系统的要求及错误处理方法1. 语音识别系统具备的要求语音识别系统具备的要求 对用户有益；对用户有益； 对用户友好；对用户友好； 必须有足够的精度；必须有

11、足够的精度； 实时处理能力实时处理能力2. 语音识别系统对错误的处理语音识别系统对错误的处理 错误弱化法；错误弱化法； 错误自检纠正法错误自检纠正法5.3.3 语音识别应用分类语音识别应用分类 办公或商务系统。如填写数据表格。办公或商务系统。如填写数据表格。 制造业。制造业。 电信。电信。 医疗。医疗。 其他。如玩具、音响语音控制。其他。如玩具、音响语音控制。5.3.4 “指令指令控制控制”应用应用 语音拨号器。语音拨号器。 电话呼叫类型识别。电话呼叫类型识别。 话务分配。话务分配。 名录检索。名录检索。 信用卡消费额确认。信用卡消费额确认。5.3.5 语音识别技术发展语音识别技术发展 见见P

12、193表表5-2。5.4 语音识别的适时应用语音识别的适时应用5.4.1 语音识别专用芯片及其系统架构语音识别专用芯片及其系统架构图图5-2 RSC-364的基本结构框图的基本结构框图1. 语音识别专用芯片语音识别专用芯片 2. 构成语音识别系统的几个要素构成语音识别系统的几个要素 （1）语言指令的设计。）语言指令的设计。 （2）系统反馈的设计。）系统反馈的设计。 （3）语音识别的设计。）语音识别的设计。 语音控制音响、电视机、空调器、电冰箱。语音控制音响、电视机、空调器、电冰箱。5.4.2 在家用电器中的应用在家用电器中的应用图图5-3 语音操作遥控器语音操作遥控器 通过电话访问互联网信息内容和电子邮件；通过电话访问互联网信息内容和电子邮件；语音拨号。语音拨号。5.4.3 在通信设备和服务中的应用在通信设备和服务中的应用 （1）语音密码及免手操作。）语音密码及免手操作。 （2）备忘录音。）备忘录音。 （3）家庭自动化。）家庭自动化。5.4.4 在家居自动化中的应用在家居自动