原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
文档内容概述本文通过结合卷积神经网络CNN在语音输入检测与提取方面的方法，构建了一种基于卷积神经网络的外部语音插入实时检测与提取模型，该模型能够同时监听周围环境噪音，有效提高语音交互的自然度实证结果显示，使用本模型的语音助手在完成外放语音的自动插入与提取任务上获得较高的准确率，并在插入提取任务上相较于原始数据和传统提取方法分别减少了约20和10的字错率此外，通过对各种经典数据集的样本进行验证，发现这种方法是可行的，并能在低算力环境下实现研究成果对于低算力情况下通过卷积网络实现
PAGE2
基于深度学习的外部语音插入检测与提取蒋泽昊
摘要
随着智能技术的发展，语音助手出现的场景也越来越多。然而，当前主流的语音助手没有用户语音插入的检测与提取功能。因为自己声音的干扰，语音助手无法在说话的同时准确检测用户是否插话以及插入内容，而这使得人机对话不够自然。针对这个问题，本文试图构建基于卷积神经网络的外部语音插入实时检测与提取模型，让语音助手拥有同时听说的能力。在借鉴了多篇深度神经网络语音识别、语音分离以及图像分割领域的论文后，对经典模型进行了融合与精简，实现了插入检测与提取模型，并应用OpenVINO框架对其进行了优化加速，达到了实时运算的有求。在融合了多种经
文档评论（0）