清華大學(xué)多媒體課件 (25)

1、 語音識(shí)別的研究領(lǐng)域比較廣，歸納起來，一般有以下四個(gè)方面： 按可識(shí)別的詞匯量多少 語音識(shí)別系統(tǒng)可分為小、中、大詞匯量三種。一般來說，能識(shí)別詞匯小于100的，稱為小詞表語言識(shí)別；大于100的稱為中詞表語音識(shí)別；大于1000的稱為大詞表語音識(shí)別。詞表越大，困難越多。3.5.1 語音識(shí)別系統(tǒng)的分類1 按照語音的輸入方式 語音識(shí)別的研究集中于對(duì)孤立詞、連接詞和連續(xù)語音的識(shí)別。2按發(fā)音人可分為特定人、限定人和非特定人語音識(shí)別三種 對(duì)于特定人進(jìn)行語音識(shí)別的系統(tǒng)，使用前需由特定人對(duì)系統(tǒng)進(jìn)行訓(xùn)練。 如果需要限定的幾個(gè)人使用同一系統(tǒng)，則可以研制成限定人識(shí)別系統(tǒng)。 如果一個(gè)系統(tǒng)不必經(jīng)使用者訓(xùn)練就可以識(shí)別各種發(fā)音者

2、的語音，則稱為非特定人語言識(shí)別。3 對(duì)說話人的聲文進(jìn)行識(shí)別 這是研究如何根據(jù)語音來辨別說話人的身份、確定說話人的姓名。43.5.2 語音識(shí)別研究的難點(diǎn) 語音識(shí)別的目的是抽取語音信號(hào)攜帶的信息。而語音信號(hào)是時(shí)間依賴信號(hào)。它的特征具有時(shí)變性、瞬變性的特點(diǎn)。其隨機(jī)性和非平穩(wěn)性給識(shí)別帶來很多困難。眾多專家從事語音識(shí)別相關(guān)技術(shù)的研究。5其研究工作主要有： 特征的抽取和表示 聲學(xué)-語音學(xué)模型 語言學(xué)模型 識(shí)別系統(tǒng)的穩(wěn)健性63.5.3 語音識(shí)別系統(tǒng)示例 1. 知音文書機(jī) 知音文書機(jī)是一個(gè)集語音識(shí)別、語音和語言理解、語音合成以及手寫體識(shí)別等功能為一體的中文話語系統(tǒng)。7該系統(tǒng)分為以下幾個(gè)部分： 預(yù)處理 特征參數(shù)

3、提取 參數(shù)模板存儲(chǔ) 識(shí)別判決8 該系統(tǒng)的詞表為208個(gè)軍事用語。識(shí)別采用的參數(shù)是16階CEP系數(shù)，分析窗寬為256，窗移128。研究者充分考慮了漢語語音的特點(diǎn)，探索眾多話音語音的共性特征及其聚類方法，提出簡(jiǎn)潔有效的SPM模型。2.非特定人語音識(shí)別系統(tǒng)9 說話人識(shí)別具有廣泛的應(yīng)用前景，它可分為說話人確認(rèn)和說話人辨識(shí)。3.說話人識(shí)別10 話語系統(tǒng)（Spoken Language System）主要由以下三部分組成：語音識(shí)別（Speech Recognition）、自然語言處理（ Natural Language Processing）及人機(jī)接口技術(shù)（Human Interface Technology）。4.話語系統(tǒng)113.5.4 語音識(shí)別技術(shù)的應(yīng)用 語音識(shí)別技術(shù)應(yīng)用于需要以語音作為人機(jī)交互手段的場(chǎng)合，主要是實(shí)現(xiàn)聽寫和命令控制功能。12 使用語音將使計(jì)算機(jī)的操作變得簡(jiǎn)單方便，而對(duì)于不能做鍵入動(dòng)作的殘疾人以及醫(yī)學(xué)、法律和其他領(lǐng)域的工作人員，他們不能或不便用手將信息輸入計(jì)算機(jī)，這些場(chǎng)合下，使用語音操作計(jì)算機(jī)就越發(fā)顯得重要。13 電話商業(yè)服務(wù)是語音識(shí)別技術(shù)應(yīng)用的又一個(gè)主要領(lǐng)域。 語音撥號(hào)電話機(jī)，具有語音識(shí)別能力的電話訂票服務(wù)和自動(dòng)話務(wù)轉(zhuǎn)換系統(tǒng)在國外已經(jīng)有一定程