语音识别技术在广播电视监测中应用.docVIP

语音识别技术在广播电视监测中应用 　　摘要：伴随着科学技术进步与发展，广播电视作为传统媒体成为人们接收新闻信息的主要途径。与此同时，广播电视检测也得到了快速发展，最显著的特征就是融入了语音识别技术，对工作质量、工作效率的提升具有重要作用。现如今，怎样更好地在广播电视检测中应用语音识别技术也得到了重视，成为广播电视事业发展重要研究课题。基于此，文章研究了语音识别技术在广播电视监测的应用。 　　关键词：语音识别技术；广播电视监测；应用发展 　　面对日益复杂的电磁环境，怎样做好无线电频率资源控制，确保各频段业务的顺利进行成为无线电管理与监测人员重要工作内容。广播电视监测人员主要工作内容即是确保广播电视频谱资源的科学利用，掌握频谱荷载状态进而更好地服务于广大群众。现如今，语音识别技术的出现为监测人员工作提供了便利条件，该技术能够对语音信号特点展开判断，实现频谱占用智能化识别，对广播电视监测具有重要作用。 　　1 语音识别分析 　　语音识别系统分为训练与语音识别。其中，前者主要作用是语音搜集、信息分析进而开展信号处理与模板构建。训练工程中语音识别技术主要通过声音的高低、强弱、音色及社会属性科学分析。而后者则是进行音波提取的时间变化及语音特点，根据不同方法推算语音特点矢量排序与发音模板的距离。声音辨别过程中，把语音特点与声学模型综合对比从而获得理想的识别效果。即使分类错误也无妨，仍然能够结合声学模型更正，尤其是相同音的生字，结合前后语义进行准确识别。由此可见，语音识别技术运行过程为：首先，语音信号中产生的语音信息是通过短时幅度谱时间变化编码。其次，语音阅读声学信号可以输送多个不同的、分散的符号。最后，语音交互只是一种认知形式，无法和语法、语义分割[1]。 　　1.1 语音识别准备 　　语音识别应用在广播电视监测中对搜集语音文件展开判断，根据现有技术需求，语音文件格式在30 s左右wav或pcm?稻莸奈扪顾跻羝担?采样率为11 025 Hz，采样比特16 bit与单通道模式。音频信息将256个采样点氛围一组为一帧，帧则是语音识别单位。对帧展开傅里叶变化由各帧内提取干音频特点。43帧为一组，等同于1 s的数据成一组，组是语种判断的基础单元。 　　1.2 音频特点 　　音频文件研究过程中，一般对时域特点和频域分析，常见音频特点包含：时域特点与频域特点。其中，时域特点分为ZCR，HZCRR，STE，LSTER，RMS，SFR，SED。频域特点分为：SF，SC：，SRF，BP，SBE，NFR。（1）过零率与高过零率帧比率。过零率代表窗内信号中信号波形穿出零点频率，因为语音信号转换涵盖清音与浊音，有着较强与较低的过零率，音乐信号较为稳定代表语音信号过零率改变迅速。基于客观性上来说，方差较多，超出零率帧比率较高能够准确判断语音与非语音。（2）静音帧比率。静音帧比率指的是窗内静音帧占据的比例，一帧能量不及预定静音门限后表示该帧是静音帧。在预定静音门低时，语音音调不同，纯语音中静音帧比率超出音乐与非纯语音内静音帧比例。 　　2 语音识别应用在广播监测中的作用 　　2.1 声纹识别 　　该技术结合了语音波形分析人行为特点的语音状态，判断讲话人身份。首先，讲话人身份识别，能够判断出说话人；其次，判断某个语音是否为指定的人声音。声纹识别将语音信号为基础，结合人的发音特点掌握讲话人个性。从生物学范围而言，声纹识别为生物因子认证范围，与指纹识别有着相通性。指纹识别即是利用每个人指纹不同进行判断，而声纹识别则是抓住讲话人特点作出准确判断。 　　2.2 内容辨识 　　内容辨别主要针对语音内容的判断，通过语音的物理属性、生理属性分析讲话内容，将判断语音信号承载的内容为目标。不过，内容识别具有一定困难性，容易受到讲话人发音、方言、表达习惯等影响；也正是由于内容辨识的困难性才衍生出声纹识别。想要让声纹与语法、语义模型符合，还需要利用词性标记、词语区分、语境理解等科学判断语音内容，处理过程较为繁琐。 　　2.3 语种与语音辨别 　　语种识别是语音材料兼容的语种特征判断，语音内容判断与智能翻译技术就是基于语种识别衍生而来。语种识别能够对计算机中不同语音材料展开判断，将语音材料提取至识别系统内，即是利用语种识别技术。 　　语音标准判断，利用个人语音材料和语音标准模型比较进行语音标准状态分析；同时找到不标准发音。现如今，该项技术已经被广泛应用在语言教学与语音标准检测中[2]。 　　3 语音识别技术在广播电视监测的应用 　　伴随着语音识别技术的进步，通过自动化语音识别达到广播频道中频率节目播出状态的判断，利用语音信号特点提取关键数据信息，分析语音类型、语种，把静音、噪音、言语信号给予分类实现频道中不同频谱占用的智能化辨别音乐、言语等方面语音识别技