人工智能基礎(chǔ)與應(yīng)用（第2版）（微課版）課件 7-1 語音識別

7-1語音識別模塊?語音識別：讓機(jī)器對你言聽計(jì)從目錄CONTENTS語音識別簡史01語音識別過程02一.語音識別簡史1.技術(shù)發(fā)展簡史一.語音識別簡史1.典型語音識別產(chǎn)品現(xiàn)有的語音識別部分產(chǎn)品二.語音識別過程1.語音識別技術(shù)涉及技術(shù)信號處理模式識別概率論發(fā)聲機(jī)理聽覺機(jī)理人工智能…眾所周知，機(jī)器只能處理數(shù)字信號，不能直接處理人的語音信號。另外，人在說話的時(shí)候，語速有快有慢，每個(gè)人的聲音、語調(diào)也不相同，且說話時(shí)周圍可能有噪聲。此外，即便字詞發(fā)音相同（如“擬定”“你定”），但表達(dá)的意思還要結(jié)合語境和上下文來進(jìn)一步確定。還有，機(jī)器要進(jìn)行預(yù)學(xué)習(xí)，以了解人類在語言交流中要用到哪些語料庫等。困難重重…二.語音識別過程2.識別過程語音識別過程二.語音識別過程2.語音識別關(guān)鍵要素（1）語音信號處理將語音轉(zhuǎn)化為在時(shí)間上離散的數(shù)字信號采樣后的時(shí)域數(shù)字波形二.語音識別過程2.語音識別關(guān)鍵要素（2）特征提取二.語音識別過程2.語音識別關(guān)鍵要素特征提取:①預(yù)加重增大高頻部分的幅度。一般使用一階濾波器來實(shí)現(xiàn)預(yù)加重二.語音識別過程2.語音識別關(guān)鍵要素特征提取:②分幀信號中的頻率會(huì)隨時(shí)間變化，一些信號處理算法（如傅里葉變換）通常希望信號是穩(wěn)定的，也就是說對整個(gè)信號進(jìn)行處理是沒有意義的，因?yàn)樾盘柕念l率輪廓會(huì)隨著時(shí)間的推移而丟失。為了避免這種情況，就需要對信號進(jìn)行分幀處理，以保證短時(shí)的信號是穩(wěn)定的。③加窗和快速傅里葉轉(zhuǎn)換在分幀之后，通常需要對每幀的信號進(jìn)行加窗處理，目的是讓幀兩端平滑地衰減，這樣可以降低后續(xù)傅里葉變換后一些小束波的強(qiáng)度，取得更高質(zhì)量的頻譜。二.語音識別過程2.語音識別關(guān)鍵要素語音識別5關(guān)鍵要素:④提取特征在語音能量譜上應(yīng)用Mel濾波器組就能提取到FBank（FilterBank）特征。所謂Mel刻度，是一個(gè)能模擬人耳接收聲音的規(guī)律的刻度。各幀F(xiàn)Bank特征值頻譜圖二.語音識別過程2.語音識別關(guān)鍵要素聲學(xué)模型用于建立聲學(xué)特征與建模單元之間的映射關(guān)系，即它能利用語音的聲學(xué)特征把一系列語音幀轉(zhuǎn)換成若干音素。基于該模型，利用大量的語音特征向量以及它們對應(yīng)的音素，可以訓(xùn)練從特征向量到音素的分類器，從而在識別階段能計(jì)算每一幀的特征向量到相應(yīng)音素的聲學(xué)得分（概率），簡而言之，實(shí)現(xiàn)特征到字符的生成。（3）聲學(xué)模型二.語音識別過程2.語音識別關(guān)鍵要素語言模型就是用來計(jì)算一個(gè)句子的概率的模型。它利用語言表達(dá)的特點(diǎn)，將音素轉(zhuǎn)換成文字，組成意義明確的語句。簡言之，根據(jù)聲學(xué)模型輸出的結(jié)果，給出最大概率的文字序列。（4）語言模型二.語音識別過程2.語音識別關(guān)鍵要素解碼搜索的主要任務(wù)是在由聲學(xué)模型、發(fā)音詞典和語言模型構(gòu)成的搜索空間中尋找最佳路徑，盡快將語音轉(zhuǎn)換成文本。解碼時(shí)需要用到聲學(xué)得分和語言得分，聲學(xué)得