从语音识别到言语识别.pptxVIP

1 会计学 从语音识别到言语识别 PART ONE 01 语音识别言语识别? 语音识别是什么，言语识别是什么，有什么区别呢。 语音→ 言语交互的一种载体。 ←言语 人类交流过程中使用的语言。 一个简单的例子 早上起床看了一下表 嗯...9点了...9点了？...9点了！ 言语中含有丰富的信息，并非简单的文字可以描述。 同样的一个词或一句话，可以通过不同的韵律形式表达出截然不同的情感。 语音识别言语识别 言语识别：把言语转成上述复杂言语符号信息的过程。 语音识别：传统意义上的把言语转成文本的过程。 王晓波王小波？ PART TWO 02 语音识别的发展过程 5个发展过程，6种关键技术和4个重要模型。 五个发展过程 (根据识别的结果来看) “ ” 这五个发展过程是从识别的结果来看的。当然语音识别的发展过程还可以从其他角度来看。 A B C D 音素识别：1952 年美国电话电报公司贝尔实验室的戴维斯等人开发了Audrey系统。 音节识别：1956 年，普林斯顿大学RCA 实验室的奥尔森等人采用同样的技术实现了10 个单音节的识别。 单词识别：1970 年以后， 研究的热点主要集中在孤立词识别和连接词识别上。 连接词识别：连接词语音识别和连续语音识别也是交叉进行的两个阶段。 E 连续语音识别：1975 年前后，Dragon 系统实现了第一个真正意义上的连续语音识别。 从识别的对象来看 特定-泛型 从识别的对象看，语音识别经历了特定人语音识别、非特定人语音识别两个阶段。 李开复 从识别的语种来看 特定-泛型 从识别的语种看，语音识别 经历了单语种语音识别和多语种 语音识别两个阶段。 多语种又分成独立语种-混合语种。 从识别的环境和词汇量来看 实验-实战 从识别的环境看，语音识别 经历了安静实验室环境、平稳噪 声环境、复杂噪声环境等阶段。 从识别的词汇量看，语音识 别经历了小词汇量、中词汇量、 大词汇量、海量词汇量等阶段。 PART THREE 03 言语识别的关键技术 5个发展过程，6种关键技术和4个重要模型。 1.声学特征提取技术 共振峰 发音的舌位 语音识别领域产生了很多特征提取算法和改进算法。这些特征主要分为语音学特征、发音机理特征、感知机理特征和几何学特征。 2.区别特征提取技术 使类间方差与类内方差的比值最大化 3.区分度模型训练技术 随机量的概率分布是很难测定的，一般只能测得其各种均值（如数学期望、方差等）或已知某些限定条件下的值（如峰值、取值个数等），符合测得这些值的分布可有多种、以至无穷多种，通常，其中有一种分布的熵最大。选用这种具有最大熵的分布作为该随机变量的分布，是一种有效的处理方法和准则。这种方法虽有一定的主观性，但可以认为是最符合客观情况的一种选择。在投资时常常讲不要把所有的鸡蛋放在一个篮子里，这样可以降低风险。 4.大规模声学模型训练技术 利用深度神经网络拿更多的语音数据来对识别模型进行训练 5.大规模语言模型训练技术 利用加权有限状态机网络 6.大规模解码技术 “解码速度有三倍以上的提升。原因在于，状态数从几千个降到了几十个，减小了网络复杂度” PART FOUR 04 言语识别的重要模型 5个发展过程，6种关键技术和4个重要模型。 1.隐马尔科夫模型 知道骰子有几种（隐含状态数量），每种骰子是什么（转换概率），根据掷骰子掷出的结果（可见状态链），我想知道每次掷出来的都是哪种骰子（隐含状态链）。 2.多元文法模型 “这是昨天从这棵树上掉下来的苹果。” “这是昨天的树”“树上掉下苹果” 3.有限状态机 限种已确定的状态（已投入多少钱），根据不确定的输入（每次投面值不同的钱），在这几种状态中来回转换。 4.深度神经网络 深度神经网络的出现使得识别错误率下降了30%以上。 PART FIVE 05 当下与未来 我们正在走进言语识别时代。 科大讯飞 中国最大的智能语音技术提供商，在智能语音技术领域有着长期的研究积累，并在中文语音合成、语音识别、口语评测等多项技术上拥有国际领先的成果。 苹果Siri 移动互联网是语音识别技术实用化的催化剂，通过移动互联网收集的语音，各个机构的语音识别性能迅速得到提升。 待解决的问题展望 克服噪声环境、语音语调 识别率 语境、语义等深层次信息的挖掘 THANK YOU! 从识别的环境和词汇量来看 实验-实战 从识别的环境看，语音识别 经历了安静实验室环境、平稳噪 声环境、复杂噪声环境等阶段。 从识别的词汇量看，语音识 别经历了小词汇量、中词汇量、 大词汇量、海量词汇量等阶段。 PART THREE 03 言语识别的关键技术 5个发展过程，6种关键技术和4个重要模型。 2.区别特征提取技术 使类间方差与类内方差的比值最大化 4.大规模声学模型训练技术 利用深度神经网络拿更多的语音数