人工智能与信息社会课件：706语音识别——个人助理.pdfVIP

人工智能与信息社会 人工智能应用：语音识别——个人助理 陈斌北京大学gischen@pku.edu.cn 语音识别技术 〉 语音识别技术，也被称为自动语音识别 Automatic Speech Recognition(ASR)， 其目标是将人类的语音中的词汇内容转换为 相应的文字。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别基本原理 〉 我们知道声音其实是一种波，如果要对于声 音进行分析，就需要对于声音进行分帧。 〉 也就是把声音按照时间切成若干个小段，每 一小段称为一帧。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别基本原理 〉 单词的发音由音素构成。音素是语音中的最 小的单位，依据音节里的发音动作来分析， 一个动作构成一个音素。 〉 对英语，一种常用的音素集是卡内基梅隆大 学的一套由39个音素构成的音素集。汉语一 般直接用全部声母和韵母作为音素集。 〉 状态：比音素更细致的语音单位。通常把一 个音素划分成3个状态。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别基本原理 〉 1、语音分帧 2、声学特征提取 〉 3、把帧识别成状态 4、把状态组合成音素 〉 5、把音素组合成单词 北京大学地球与空间科学学院/ 陈斌/2018 语音识别基本原理 〉 每个小竖条代表一帧，若干帧语音对应一个 状态，每三个状态组合成一个音素，若干个 音素组合成一个单词。 〉 一般认为某帧对应哪个状态的概率最大，那 这帧就属于哪个状态。 北京大学地球与空间科学学院/ 陈斌/2018 神经网络在语音识别中的应用 〉 通过巨大数量的语音数据，经过神经网络监 督训练得到 “声学模型”。 〉 通过声学模型里的参数，就可以知道帧和状 态对应的概率。 北京大学地球与空间科学学院/ 陈斌/2018 神经网络在语音识别中的应用 〉 神经网络不仅可以编码 最近的几个词，还可以 把前文中的所有词 （称 作 “历史”）中的各种 信息都作为输入特征。 〉 由于历史是一个序列， 可以采用递归神经网络 （RNN）来建立声学模 型。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别应用 〉 语音识别技术的应用包括语音拨号、语音导 航、室内设备控制等。 〉 语音识别技术与其他自然语言处理技术如机 器翻译及语音合成技术相结合，可以构建出 更复杂的应用，例如同声传译。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别应用：语音输入法 〉 通过语音识别输入文字，最高速度能够达到 1分钟400字，比普通键盘输入更加高效。 〉 科大讯飞的语音输入，不仅支持中文录入、 中文转英文等功能，还支持粤语、四川话、 东北话、上海话、闽南语等多种方言输入。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别应用：个人助理 北京大学地球与空间科学学院/ 陈斌/2018 语音识别应用：个人助理 〉 小冰是微软推出的一个人工智能聊天机器人， 已经可以创作诗歌、撰写新闻、主持节目， 已在北京人民广播电台开播节目。 〉 无论从用户数量、活跃度还是交互流量来看， 微软小冰均是目前全球最大规模流量的对话 式人工智能产品。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别应用：个人助理 〉 Siri是一款内置在苹果iOS系统中的人工智能 助理软件。 〉 利用自然语言处理技术，用户可以使用自然 的对话与手机进行交互，完成搜索数据、查 询天气、设置手机日历、设置闹铃等许多服 务。 北京大学地球与空间科学学院/ 陈斌/2018 语音识别应用：个人助理 〉 Google Assistant 结合了谷歌积累多年的 技术，其 “持续性对话”功能让机器与人的 交流更为自然。 〉 智能语音助手和搜索引擎是相辅相成的，更 聪明的搜索逻辑能够更快的帮助用户找到答 案。 北京大学地球与空间科学学院/ 陈斌/2018