人工智能-22. 语音识别的原理1_第1页
人工智能-22. 语音识别的原理1_第2页
人工智能-22. 语音识别的原理1_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

22：语音识别的原理教师姓名授课名称人工智能及机器学习基础知识授课形式授课班级授课地点授课日期章节名称语音识别的原理教学目的掌握语音识别的基本原理掌握语音识别的主要技术。重点难点重点：语音识别的基本原理。难点：语音识别的技术。主要内容一、课程引入让机器听懂人类的语音，这是人们长期以来梦寐以求的事情。伴随着计算机技术的发展，语音识别在人机交互应用中逐渐进入我们日常的生活，已经成为人工智能领域的标志性技术之一。语音识别技术以语音信号为研究对象，是语音信号处理的一个重要研究方向。其最终目标是实现人与机器进行自然语言通信。目前市场上也有很成熟的语音机器人。课程内容声音实际上是一种波，俗称声波。常见的mp3、wmv等格式都是压缩格式，必须转成非压缩的纯波形文件来处理，比如WindowsPCM文件，也就是俗称的wav文件。wav文件里存储的除了一个文件头之外，就是声音波形的一个一个点了。在开始语音识别之前，有时需要把首尾端的静音切除，降低对后续步骤造成的干扰。这个静音切除的操作一般称为VAD，需要用到信号处理的一些技术。要对声音进行分析，需要对声音分帧，也就是把声音切开成一小段一小段，每小段称为一帧。分帧操作一般不是简单的切开，而是使用移动窗函数来实现。帧与帧之间一般是有交叠的，如上图所示。每帧的长度为25毫秒，每两帧之间有25-10=15毫秒的交叠。称为以帧长25ms、帧移10ms分帧。分帧后，语音就变成了很多小段。但波形在时域上几乎没有描述能力，因此必须将波形作变换。常见的一种波形变换方法是提取MFCC特征，根据人耳的生理特性，把每一帧波形变成一个多维向量，可以简单地理解为这个向量包含了这帧语音的内容信息。这个过程叫做声学特征提取。在实际应用中，波形变换还有很多细节，声学特征除了MFCC之外，还有其它特征。至此，声音就成了一个12行（假设声学特征是12维）、N列的一个矩阵，称为观察序列，这里N为总帧数。观察序列如下图所示，每一帧都用一个12维的向量表示，色块的颜色深浅表示向量值的大小。至此，语音识别就转换为把这个矩阵转变为文本。方法手段讲授

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论