人工智能基础及应用课件 模块二-任务一-语音识别技术_第1页
人工智能基础及应用课件 模块二-任务一-语音识别技术_第2页
人工智能基础及应用课件 模块二-任务一-语音识别技术_第3页
人工智能基础及应用课件 模块二-任务一-语音识别技术_第4页
人工智能基础及应用课件 模块二-任务一-语音识别技术_第5页
已阅读5页，还剩2页未读， 继续免费阅读

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

如何将语音转换为文本语音识别技术特征提取、声学模型处理、语言模型融合是语音信号转化为文字的三个核心步骤,特征提取是“听清”声音的基础,声学模型处理是“听懂”发音的核心,语言模型融合能确保识别的结果符合人类语言习惯。核心步骤应用无处不在智能音箱🎵语音游戏🎮会议录音转写🎤语音输入法⌨️实时翻译🌐语音弹幕与互动👂车载🚗语音系统声纹识别与支付🔒……语音识别系统结构1.特征提取特征提取是语音识别系统的“前端感知器”，它负责将混沌的模拟声音世界，翻译成一声学模型能够理解的、结构化的数字语言。特征提取只保留了对识别内容最关键的信息，输入的声音经过特征提取后，都变成了统一格式的、固定维度的数字向量。特征类型解释作用MFCC系数描述声音频谱的细节特征,

反映人耳对不同频率的感知特性。像声音的“指纹”,

可区分不同的人或乐器。基频声带振动的最低频率,

决定声音的音高（如男声低、女声高）。像琴弦的松紧,

可影响音调高低。能量声音信号的强度,反映音量大小。像音量旋钮,

可调音量大小。频谱质心频谱能量的集中位置,

数值越高声音越“明亮”,越低越“低沉”。像灯泡明暗旋钮,

可控声音的“亮暗程度”原始语音信号（连续波形）分帧处理（切成20-40ms短片段）数学变换（计算每帧的特征）特征向量为后续模型提供数据基础语音信号的特征提取2.声学模型处理声学模型里记录了每一种声音特征对应的文字或音节,将声音特征与对应的文字建立映射关系。特征向量来自特征提取声学模型查询密码本输出概率最可能的发音单元核心任务：建立从特征向量到文字或音节的映射关系。解决：“这串声音特征对应哪个字或哪个拼音？”海量数据训练不同年龄不同性别不同口音不同语速不同环境训练数据要求：多样性规模性训练方法要求：机器学习方法迭代优化模型效果：持续优化声学模型当模型接收到一段文本输入时，它会通过其多层神经网络结构，提取语义特征，分析句法结构、词语间关系和上下文依赖，从而获得对语言意义的深层理解。让计算机理解文本需要几个重要的处理步骤：分词、词性标注、语义分析。3.语言模型融合语言模型的核心任务为什么要融合语言模型？声学模型的局限——碎片化可能输出发音正确但语义不通的“散装文字”。如：将“哪里”听成“那里”，或将“南京”听成“难京”。语言模型的作用：引入语法、上下文和常识，确保结果符合人类语言习惯。语法检查：判断词序是否符合语法规则。上下文预测：根据上文预测下一个最可能出现的词。语义纠错：修正同音字、近音词错误，选择最合理的词汇组合。准确率提升减少30%+的语义错误场景适配适应口语化表达、专业术语等复杂语境人机交互升级实现更自然的语音转写体验4.协同工作特征提取：从原始语音信号提取声音指纹为后续处理提供高质量声学特征，确保“音准”输出为声学特征向量声学模型：将声学特征映射为候选文字序列完成语音到文字的初步转换，实现“音-字”对应输出为多候选文字及对应概率语言模型：基于上下文优化候选文本，确保语法和语义合理消除歧义、修正搭配错误，实现“字-意”连贯输出为修正后的文本及综合置信度

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