第5课 语音识别技术教学设计-　2024—2025学年浙教版（2023）初中信息技术八年级下册

《语音识别技术》教学设计 一、教学目标 1.通过“小夜灯控制”真实情境，经历“问题→探究→建构→迁移”的学习过程。 2.通过操作Python工具完成声音数字化，了解声音数字化的一般流程。 3.通过特征提取对比实验，了解特征的相关量，化抽象为具象化，降低理解难度。 4.搭建支架，打开声学模型匹配与语言处理黑盒，突破本课重难点。 二、教学重难点​​ 重点：语音识别的技术流程（数字化→特征提取→模型匹配）。 难点：声学模型与语言模型的作用机制。 3、 教学流程 (1) 创设情境，导入主题 师：展示智能小夜灯，语音指令“开灯/关灯”控制灯光。 学生分小组，实物体验小夜灯 师提问：小夜灯是通过什么方式听懂我们人说的指令？ 抽1-2学生回答 师：虽然小夜灯的控制集成了，我们看不见。但是，老师也做了一个网页版的小夜灯，我们来看一下，小夜灯能听懂我们指令的秘密究竟是什么？ 哦，原来是把声音转化成了文字，利用程序实现了语音控制。像这样把声音转化为文字的技术就叫语音识别技术。（揭示课题，进行板贴） (2） 任务驱动，探究原理 环节 学生活动 教师指导 设计意图 探究一： 声音数字化​​ 1. 分组操作“数字化.py”，录制指令语音。 2. 调节采样率（16kHz→8kHz）、量化位数（16bit→8bit），对比音质变化。 3. 填写结论。​ 巡回指导，强调参数对音质的影响。 理解模拟信号→数字信号的转换原理。 探究二： 特征提取​​ 1. 使用“特征对比工具”，分析同一人/不同人发“a”的声波特征。 2. 总结特征关联量：音调、音长、音强​​ 引导学生观察波形图，关联物理属性。 明确特征提取是识别差异的关键。 ​探究三： 声学模型训练 1. 运行“声学训练”工具，录制“a1-a4”四声调音频。 2. 经历模型如何建立音素（如“a”）的特征库。 类比“人类学习普通话从音素开始” 理解声学模型通过模式匹配识别音素。 ​探究四：语言模型优化 1. 执行“语言模型.py”，输入音素序列，如“guan1 deng1”）。 2. 尝试补充语料库观察识别率变化。 提问：“为何识别不准？如何优化？”​​ 会语言模型依赖概率库，需持续更新语料。 ​ （三）归纳建构，突破难点 板书梳理流程(师生一起梳理，边梳理边，一生上台课件内拖动排列） a1 ​一 (4) 迁移应用，辩证反思 方言挑战实验 用方言指令控制小夜灯→失败→分析原因：声学模型缺乏方言数据 “如果方言识别需上传语音数据到云端，可能存在什么风险？如何解决？” 4、 课堂总结 通过今天这节课的学习，你有什么收获？a1 板书设计 1 学科网（北京）股份有限公司 $$