《语音识别技术及应用》课程标准.pdf

《语音识别技术及应用》课程标准

【课程名称】语音识别技术及应用【课程编码】

【课程类别】专业必修课

【适用专业】人工智能技术应用专业

【授课单位】【总学时】36

【编写执笔人】【编写日期】

一、课程性质和课程设计

1.1课程制定依据

人工智能科技经过数十年的萌芽发展，如今成为了国家竞争力的重心之一。语音识别作

为人工智能的一个分支，也在飞速发展，占据国际语音方向一席之地。国家教育改革要求和

新一代人工智能发展规划，紧密跟随行业发展步伐，旨在培养具备专业知识与技能、实践能

力与创新精神的高素质技术技能人才。为满足社会对语音识别技术人才的广泛需求，以就业

导向为原则，为学生提供系统的知识体系，助力其在智能家居、智能交通、医疗健康等领域

脱颖而出，实现个人职业发展与国家人才培养目标的有机结合。

1.2课程性质与作用

《语音识别技术及应用》是人工智能技术应用专业的一门职业必修课，主要讲述语音处

理的基础知识和相关技术。学生通过学习本课程，能够增强信息意识、提升计算思维、促进

数字化创新与发展能力、树立正确的信息社会价值观和责任感，为其职业发展、终身学习和

服务社会奠定基础。

本课程着眼于学生的长远发展，重点培养其软件开发及人工智能领域岗位基本工作技能、

职业素养、社会适应能力、交流沟通能力、团队协作能力、创新能力和自主学习能力。

1.3课程设计思路

本课程教学采用理论与实践一体化的教学模式。教学内容设计由浅入深，使学生循序渐

进地掌握有关语音识别的基础理论知识、技术和方法。每一部分根据所学内容，教学形式为

理论+实践相结合，采用“做中学，学中做”的方法教学。教学过程中，充分开发学习资源，

给学生提供丰富的实践机会。教学效果评价采取过程评价与结果评价相结合的方式，通过理

论与实践相结合，培养和提高学生在多媒体信息处理方面的分析与解决问题的能力，为日后

从事相关领域的工程技术工作、科学研究以及开拓新技术领域，打下坚实的基础。

二、课程目标

2.1知识目标

（1）理解语音识别的概念。

（2）了解语音识别的应用领域和发展历程。

（3）掌握语音识别的主流框架。

（4）了解语音识别的常用语料库。

（5）了解常用的语音识别开发工具。

（6）了解语音特征的提取流程。

（7）理解预加重、分帧和加窗的基本原理及其实现方法。

（8）理解短时傅里叶变换的基本原理和实现方法。

（9）掌握语谱图特征的提取方法。

（10）掌握Fbank特征的提取方法。

（11）掌握MFCC特征的提取方法。

（12）了解隐马尔可夫模型的基本结构。

（13）理解隐马尔可夫模型的基本问题。

（14）掌握隐马尔可夫模型在语音识别中的应用方法。

（15）了解高斯混合模型的基本原理。

（16）理解高斯混合模型—隐马尔可夫模型的基本原理。

（17）掌握隐马尔可夫模型的编程实现方法。

（18）理解深度神经网络的基本原理。

（19）了解深度神经网络的常见结构。

（20）掌握构建深度神经网络相关函数的使用方法。

（21）理解深度神经网络—隐马尔可夫模型的工作原理。

（22）掌握深度神经网络—隐马尔可夫模型的训练流程。

（23）理解语言模型的基本概念。

（24）理解N-gram语言模型的基本原理。

（25）了解常用的平滑算法，包含拉普拉斯平滑、Good-Turing平滑、Katz平滑和

Kneser-Ney平滑。

（26）了解语言模型的评价指标。

（27）掌握N-gram语言模型的编程实现方法。

（28）理解循环神经网络语言模型的基本原理。

（29）掌握循环神经网络语言模型的编程实现方法。

（30）理解加权有限状态转换器的解码原理。

（31）理解端到端语音识别系统的工作流程。

（32）掌握连接时序分类模型的基本原理和训练方法。

（33）掌握连接时序分类模型