中文课程视频字幕自动生成研究条-农业信息化专业毕业论文.docxVIP

目 目 录 第1章 绪论 。1 1．1 研究背景和意义 1 1．2 国内外发展与现状 2 1．2．1 国外发展与现状 一2 1．2．2 国内发展与现状 ．3 1．3 研究目标和内容 4 1．3．1研究目标 ．4 1．3．2研究内容 ．4 1．4 本文的组织结构 5 第2章 汉语语音识别 7 2．1 语音识别系统简介 7 2．2 声学模型 9 2．2．1声学模型概述 ．9 2．2．2汉语发音特点概述 10 2．2．3特征参数提取方法介绍 1 1 2．2．4声学建模的方法 12 2．3 语言模型 。12 2．4 字典j-、● · ·· · · · · ·· · ● ● ●● ·● · · ·· · ·o· · ·· 一14·1 2．5 本章小结 l 5 第3章 声学模型 ．．． 。16 3．1 基于MFCC的特征参数提取 l 6 3．1．1预加重 16 3．1．2分帧 17 3．1．3 加窗 17 3．1．4 FFT变换 ．1 8 3．1．5 MEL频率滤波器组 ．1 8 3．1．6 Log(取对数) 1 8 3．1．7 DCT(离散余弦变换) 1 9 3．2 HMM模型 l 9 3．2．1 forward．backward算法 21 3．2．2 Viterbi算法 ．．22 III 万方数据 基于sphinx的声学模型训练 基于sphinx的声学模型训练 ．23 3．3．1 sphinx框架介绍 23 3．3．2语料的选取及存储 24 3．3．3 训练数据的准备准备 25 3．3．4模型的训练 27 3．4 本章小结 30 第4章 语言模型 ．3 1 4．1 语言模型概述 ．．3 1 4．2 统计语言模型 一3 l 4．2．1 N。gram模型 3 1 4．2．2平滑处理方法 32 4．3 语言模型训练 ．．34 4．4 本章小结 ．．37 第5章 中文课程视频字幕自动生成系统的设计与实现 ．38 5．1 语料库的建设 ．．38 5．2 sphinx语音识别技术研究 一40 5．3 中文课程视频字幕自动生成系统的设计 ．．41 5．3．1 系统的设计 4l 5．3．2视频处理 43 5．3．3音频处理 43 5．3．4语音识别 43 5．3．5字幕的生成 44 实验及实验结果分析 ．．45 5．4．1 不同大小的模型库对识别率的影响比对 45 5．4．2不同N．gram模型对识别率的影响比对 45 5．4．3字幕生成系统识别结果 46 5．5本苹小结 ．．47 第6章总结与展望 ．48 6．1全文总结 ．．48 6．2展望 ．．49 p什萄匙 ． ．50 参考文献 54 致谢 。57 IV 万方数据 耨疆农业大学硕士学位论文第1章绪论 耨疆农业大学硕士学位论文 第1章绪论 1．1研究背景和意义 随着科技的飞速发展，快速、方便已经成为人们生活的关键词，所以智能化成了计 算机领域发展的一个重要方向。像电影、电视以及教学等相关视频已经融入到了人们的 生活当中，并不断丰富着人们的生活。以视频为载体，快速地进行文化、信息的传播， 极大的方便了人们的生活，尤其是在教学与科研方面，起到了非常大的作用。但是对于 一些特殊人群，如有听功能障碍人群、语言不通人群等【l】，他们通过看视频所得到的与 视频相关的信息量是远远无法理解视频的大概主旨的，所以这便成了一个重要的问题。 再加上人物语言种类的不确定性，解决这一问题就显得比较重要了。尤其是在国际化的 现代都市中，了解或学习不同语种的文化信息，解决这一问题越来越重要。添加字幕是 解决这一问题首选的办法，通过字幕，人们便可以更好的、更准确的理解视频所反映的 内容。比如新疆农业大学的mooc教学平台，通过教学视频，学生便可以随时随地的学 习，然而对于一些汉语水平不高的同学，学习起来便很困难，而字幕就可以大大提高他 们的学习效率。 做字幕大体分为两种：一种是手动制作，制作人通过听视频中的语音，一字一句的 写出听到的字，然后对于一定的语句赋予相应的时间段，制作成字幕格式的文本；另_ 种是自动生成，制作人通过特定的软件，录入视频中的语音就可以生成需要格式的字幕 文本。对于前者，工作量太大，耗费的时间太长，相比之下，后者便成了一种趋势，并 且已经在相关领域有所发展。而后者最主要的技术就是“语音识别技术”，所以研究“语 音识别技术”对于制作字幕有着至关重要的作用。本次研究在“课程字幕自动生成技术 研究”的大前提下，重点探讨“语音识别技术”。因此，通过“语音识别技术”开发出 一个可以自动生成课程字幕的软件有着非常重要的意义。 语音识别技术虽然已经在很多领域发展起来了，但是在实际应用过程中还存在一系 列的问题【2】。为了能够更好的进入市场，融入到人们的生活，语音识别系统必须有很高 的识别率。除此之外，在我国研究语