- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
AI产品经理需了解的技术知识:语音识别技术
(1)
本文章主要介绍了语音识别技术语的发展、基本原理、语音特征,目的是帮助PM了解语
音技术方面的知识,有助于语音类相关产品的设计~
一、语音识别的发展
20世纪50年代,语音识别的研究工作开始,这时主要探索和研究声音和语音学的基本概
念和原理。
20世纪60年代,可以解决不等长语音匹配问题。
20世纪70年代,随着NLP技术和微电子技术的深入发展,语音识别领域的线性预测分析
技术得到广泛应用,HMM等技术基本成熟。
20世纪80年代,语音研究其显著特征是HMM和人工神经网络(ANN)。
从发展可以看出:语音识别技术最早依靠匹配,寻找单个音节、单个词和标准语音模板的
最大相似度进行匹配。后来伴随着统计学被引入到语音识别中,将该技术逐步从模板匹配
技术转向基于统计模型技术。
二、语音识别的基本原理
对于不同的语音识别过程,人们采用的识别方法和技术不同,但所用的原理大致相同,即
将经过降噪处理后的语音送入特征提取模块,然后对语音信号特征处理后输出识别结果。
在这个过程中,特征提取是构建语音系统的关键,对识别结果起到了重要作用,原理见下
图:
预处理:过滤掉原始语音中的次要信息或噪音等,将语音信号转化为数字信号。
特征提取:提取语音特征参数,形成特征矢量序列。
三、语音信号特征
实现语音识别,就需要语音参数来刻画语音信息。语音原本具有短时特性,所以描述语音
的单位用帧(一般为10-40ms),在音频帧上提取的短时音频特征,叫音频帧特征。相对
音频帧较长的时间间隔成为音频段,在音频段上提取的特征叫音频段特征。
下面列举一些常用的音频特征和音频段特征:
3.1音频帧特征
常用的音频帧特征分为三类:时域特征、频域特征和声学感知特征。
时域特征利用了音频信号在时域上面的信息,可以理解成横轴为时间,纵轴为音频信号。
通过过零率、短时能量、音量、自相关系数等来描述音频信号在时间上的信息。
过零率是指:音频信号由正到负、由负到正过程中,通过零的次数。应用于语音信号分析
中,浊音具有较低的过零率,清音具有较高的过零率(发音时声带振动的是浊音,声带不
振动的是清音)。
短时能量则是:通过能量的计算方法用于监测浊音和清音的转换时刻。应用与语音信号分
析中,短时能量大的地方过零率低,短时能量小的地方过零率高。
频域特征是把时域波形信号转换到频谱,然后进行计算。
声学感知特征是声学上定义的概念,考虑了人的听觉感知特点,但通常计算比较复杂。
3.2音频段特征
音频段特征是在音频帧特征基础上提取出来的,获取音频段特征的基本方法是:将音频段
对应的音频帧特征经过均值、方差、标准差等统计学公式计算得出来的。
四、预处理模块
原始语音信号传入预处理模块的目的:是为了压缩原始语音数据,提取出有代表性的特征
来做后续的识别,主要分为三部分:预加重、分帧加窗、端点检测。
4.1预加重
在语音识别过程中,经常会遇到原始语音数据因为噪音、背景音或次要信息的影响导致识
别效果变差。预加重的目的就是为了提高语音质量,从含有噪声语音的信号中,尽可能提
取纯净的原始语音信号。
它的方法有很多,下面列举三个:
(1)谱减法
首先假设噪音和期望语音信号相互独立,然后通过估计噪音的功率,在原始语音中减去噪
音功率达到去除噪音的目的。
这个方法较适用于噪音平稳波动性小的情况。
(2)自适应滤波法
通过获得前一时刻的滤波器参数,去自动调节现在时刻的滤波器参数。我的理解是:假设
语音信号具有较强的相关性,那么取t+1时刻的滤波器参数作用于t时刻的语音信号,形
成纯净的语音信号。
(3)小波去噪法
基于信号和噪声的小波系数在各尺度的分布特性,采用阈值的方法,达到去除噪声的目的。
4.2分帧加窗
语音信号可假定为短时平稳的,即在较短时间内(如5-50ms),语音信号基本保持不变,
然后把语音信号分隔为一些音频段再加以处理。
这些短段一般是周期的,对每个短段语音进行处理,就等效于对固定特性的这样原始语音
进行处理。对每一帧处理的结果,就可以看作是一个新的依赖于时间的序列,且这个序列
可用于描述语音信号特征。
例如:原始语音采样序列为x(m),那么分段后的序列可以理解为x(m)乘以窗函数w(n-m)
得到的。
窗函数越宽,对信号的平滑作用越明显,反之,对信号几乎没有任何平滑作用。
4.3端点检测
对语音信号中的有声片段和无声片段进行分割,然后再针对有声片段的语音特征进行识别,
主要是利用语音特征参数进行判断。一般情况下,端点监测是语音识别的第一步。
研究表明:即使是在
您可能关注的文档
- [AI工具宝典]AI产品经理 VS 数据产品经理,看这5点区别与联系.pdf
- [AI工具宝典]AI产品经理,如何规划AI产品的MVP?.pdf
- [AI工具宝典]AI产品经理必懂的硬知识(一):应用领域篇.pdf
- [AI工具宝典]AI产品经理必修:揭开算法的面纱(隐含马尔可夫).pdf
- [AI工具宝典]AI产品经理必修——揭开算法的面纱(EM算法).pdf
- [AI工具宝典]AI产品经理必修——揭开算法的面纱(贪心算法).pdf
- [AI工具宝典]AI产品经理必修——揭开算法的面纱(余弦定理).pdf
- [AI工具宝典]AI产品经理必知的两类ChatBot详解.pdf
- [AI工具宝典]AI产品经理的必修课:系统化思维.pdf
- [AI工具宝典]AI产品经理的关键性产品思维.pdf
- 2024精简护肤洁面趋势报告-TMIC-30正式版.doc
- 2024捕捉华夏民族珍味-咸味主食与咸味零食创新机遇报告-25正式版.doc
- 2024年秋季部编版小学道德与法治二年级上册全册课件PPT最新.pptx
- 部编版第十一册第四单元拓展提高教学课件.ppt
- 2024年秋季新西师大版一年级上册数学全册教学课件(新版教材).pptx
- 2024年秋新人教版一年级上册数学全册教学课件(新版教材).pptx
- 2024年秋季新人教版数学一年级上册全册教学课件(新版教材).pptx
- 2024年秋季新人教版数学一年级上册全册课件(新版教材).pptx
- 2024年秋季新人教版一年级上册数学全册教学课件(新版教材).pptx
- 2024年秋季新人教版一年级上册数学全册课件(新版教材).pptx
最近下载
- 《2024年甘肃省职业院校技能大赛中职学生组医药卫生类护理技能赛项样卷3》.pdf
- 双减背景下新课标单元整体作业分层设计案例 人教版小学数学四年级下册第五单元 三角形.docx
- 标准泳池砖的国家标准规格.doc
- 湘科版科学(2017)六年级上册全册全单元教学设计.doc
- 芜湖市湾沚区殡仪馆招聘考试真题及答案2024.docx
- 租房租赁合同电子版(8篇).pdf VIP
- 陕西师范大学-《比较教育学》(专升本)考评作业-含答案.pdf VIP
- 医院进修结业证书(模板).docx
- 专题03 规律探索及新定义问题(4大考点)2022-2024年中考数学真题分类汇编.docx VIP
- GB_T50649-2011《水利水电工程节能设计规范》 局部修订2024版.pdf VIP
文档评论(0)