第5课 语音识别技术-八年级信息科技下册同步精品课堂（浙教版2023）

语音识别技术 1 目录 CONTENTS 01 语音识别技术的发展历程 02 03 语音识别技术的过程 语音识别技术的挑战与问题 04 语音识别技术的实践 05 语音识别技术的发展趋势 2 语音识别技术的发展历程 PART01 早期语音识别技术 01 1950年代：贝尔实验室的Audrey系统，实现了简单的语音识别 02 1960年代：IBM的Shoebox系统，实现了连续语音识别 03 1970年代：卡内基梅隆大学的Harpy系统，实现了大词汇量连续语音识别 04 1980年代：美国国防部高级研究计划局（DARPA）的Speech Understanding Research项目，推动了语音识别技术的发展 现代语音识别技术 深度学习技术的应用：提高了语音识别的准确性和速度 01 云端计算技术的应用：实现了大规模的语音识别和实时处理 02 语音识别技术的商业化：语音识别技术在智能家居、智能客服等领域的应用 03 语音识别技术的未来发展：更高精度、更广泛的应用场景，以及更个性化的语音识别服务。 04 未来语音识别技术的发展趋势 深度学习技术的应用：提高识别准确率和速度 01 02 自然语言处理技术的发展：提高对语义的理解和生成 03 多模态融合技术的应用：结合视觉、听觉等多模态信息进行识别 04 边缘计算技术的应用：提高语音识别的实时性和隐私保护能力 语音识别技术的过程 PART02 语音识别过程 语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。其最大优势在于使得人机用户界面更加自然和容易使用。语音识别一般会经历以下基本过程:通过数模转化得到一个数字声音信号，再对该声音信号进行预处理和特征提取，将该特征在声学模型中进行模式识别得到音素序列，最后将该音素序列在语言模型中查找概率最高的文本，并输出识别结果。语音识别的过程如图5-1所示。 1.声音数字化 声音数字化是指将连续变化的声音物理信号，每隔一段时间，测得模拟信号的电压值，给出该电压值相应的量化值，并在计算机中用0和1表示，将模拟信号转换为数字信号。 2.信号预处理 对输人的语音信号进行预处理，如降噪、消除录制声音时的杂音、回声等等，得到→个比较干净的语音信号。 3．特征提取 特征提取就是每隔一定时间，把声音的音高、音长、音强和音色等特征提取出来的过程。 4.模式匹配 模式匹配就是将提取出来的特征在声学模型中进行比对，得到一组音素序列。音素是根据语音的自然规律划分出的最小的语音单位。汉语拼音中的“a、o、e、b、p、m…”等声母、韵母可视为一个个音素。例如“国家”这个单词包含“g、uo、j、i、a”这些音素，把音素按语言规律组合起来，就构成了每个单词的发音。模式匹配是一种最原始、最基本的模式识别方法，在人工智能中有着广泛的应用。 5.语言处理 语言处理需要借助语言模型。声学模型识别出的单个音素，经过语言模型可以找出该音素出现概率最高的一个高语。不同单词之间的搭配，在语句中出现的概率是不一样的。一般来说，常见的词语出现的概率比生僻的词语出现的概率高。例如，在“世界旅游必去十大景点”中，“世界”出现的概率肯定高于“事件”，因此语言处理时会优先输出“世界”这个概率高的单词。“旅游”和“事件”搭配同时出现的概率，肯定低于“旅游”和“世界”这个单词搭配的概率，伪此语言处理时会优先输出“世界”这个概率高的单词。同时，单词和单词之间的搭配应符合语言习惯。 语音识别技术的实践 PART03 平台 人工智能开放平台集成了大量声学和语言模型，通过这些平台提供的软件开发工具包，可以把录制的声音传送到平台并进行识别，再返回识别结果。如利用人工智能开放平台的开发工具包，识别录制的myaudio.wav文件中的语音信息，识别程序（部分）如图5-2所示，识别过程及结果如图5-3所示。 图5-3 语音转换成文本 日积月累 语音识别的准确率与声学模型及语言模型都密切相关。如果声学模型是用普通话训练的，那么识别方言语音，正确率就相对较低。通过及时更新地名、网络流行语等词汇，在语言模型中改变单词之间的搭配概率，可以有效地提高新单词的识别率。语音识别的准确率还与录音时周边环境的噪音、录音设备的质量等因素有关。 解码技术 01 02 03 04 声学模型：将语音信号转换为声学特征 语言模型：预测下一个单词的概率分布 解码算法：根据声学模型和语言模型，找到最可能的单词序列 语音合成：将解码后的文本转换为语音输出 语音识别技术的挑战与问题 PART04 噪声环境下的识别 01 噪声干扰：在嘈杂环境中，语音识别的准确性会受到影响 02 麦克风位置：麦克风的位置会影响语音识别的准确性 03 语音重叠：多人同时说话时，语音识别的准确性会受到影响 04 口音和方言：不同地区的口音和方言会