人工智能語音識別

2021/5/91目錄語音識別的定義語音識別涉及領(lǐng)域語音識別的類型語音識別原理框圖DTW算法語音識別系統(tǒng)應(yīng)用領(lǐng)域語音識別技術(shù)的應(yīng)用發(fā)展方向2021/5/92語音識別的定義

語音識別技術(shù)就是讓機(jī)器通過識別和理解過程把人類的語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，屬于多維模式識別和智能計(jì)算機(jī)接口的范疇。它是語音信號處理學(xué)科的一個(gè)分支。語音識別系統(tǒng)的本質(zhì)就是一種模式識別系統(tǒng)。

常見的語音識別方法有動(dòng)態(tài)時(shí)間歸整技術(shù)(DTW)、矢量量化技術(shù)(VQ)、隱馬爾可夫模型(HMM)、基于段長分布的非齊次隱馬爾可夫模型(DDBHMM)和人工神經(jīng)元網(wǎng)絡(luò)(ANN)2021/5/93語音識別涉及領(lǐng)域2021/5/94語音識別的類型

2021/5/95語音識別原理框圖2021/5/96DTW算法

模板匹配方法的語音識別算法需要解決的一個(gè)關(guān)鍵問題是說話人對同一個(gè)詞的兩次發(fā)音不可能完全相同。設(shè)參考模板有M幀矢量{R(1)，R(2)，…R(m)，…，R(M)}，R(m)為第m幀的語音特征矢量，測試模板有N幀矢量{T(1)，T(2)，…T(n)，…，T(N)}，T(n)是第n幀的語音特征矢量。d(T(in),R(im))表示T中第in幀特征與R中im幀特征之間的距離，通常用歐幾里德距離表示。2021/5/97三種匹配模式的對比2021/5/98DTW算法 DTW是把時(shí)間規(guī)整和距離測度計(jì)算結(jié)合起來的一種非線性規(guī)整技術(shù)，它尋找一個(gè)規(guī)整函數(shù)im=Ф(in)，將測試矢量的時(shí)間軸n非線性地映射到參考模板的時(shí)間軸m上，并使該函數(shù)滿足：

D就是處于最優(yōu)時(shí)間規(guī)整情況下兩矢量的距離。2021/5/99DTW算法通常規(guī)整函數(shù)必須滿足如下的約束條件：邊界限制單調(diào)性限制連續(xù)性限制2021/5/910DTW算法

DTW算法的原理圖如圖把測試模板的各個(gè)幀號n=1~N在一個(gè)二維直角坐標(biāo)系中的橫軸上標(biāo)出，把參考模板的各幀m=1~M在縱軸上標(biāo)出，通過這些表示幀號的整數(shù)坐標(biāo)畫出一些縱橫線即可形成一個(gè)網(wǎng)格，網(wǎng)格中的每一個(gè)交叉點(diǎn)(ti,rj)表示測試模式中某一幀與訓(xùn)練模式中某一幀的交匯。DTW算法分兩步進(jìn)行，一是計(jì)算兩個(gè)模式各幀之間的距離，即求出幀匹配距離矩陣，二是在幀匹配距離矩陣中找出一條最佳路徑。2021/5/911DTW算法2021/5/912DTW算法

搜索從(1,1)點(diǎn)出發(fā)，對于局部路徑約束如圖5-3，點(diǎn)(in,im)可達(dá)到的前一個(gè)格點(diǎn)只可能是(in-1,im)、(in-1,im-l)和(in-1,im-2)。那么(in,im)一定選擇這三個(gè)距離中的最小者所對應(yīng)的點(diǎn)作為其前續(xù)格點(diǎn)，這時(shí)此路徑的累積距離為： D(in,im)=d(T(in),R(im))+min{D(in-1,im),D(in-1,im-1),D(in-1,im-2)}2021/5/913語音識別系統(tǒng)應(yīng)用領(lǐng)域

電話通信的語音撥號

特別是在中、高檔移動(dòng)電話上

，現(xiàn)已普遍的具有語音撥號的功能。隨著語音識別芯

片的價(jià)格降低，普通電話上也將具備語音撥號的功

能。汽車的語音控制

對汽車的衛(wèi)星導(dǎo)航定位系統(tǒng)（GPS ）的操作，汽車空調(diào)、照明以及音響等設(shè)備的

操作，同樣也可以由語音來方便的控制。工業(yè)控制及醫(yī)療領(lǐng)域

當(dāng)操作人員的眼或手已經(jīng)被占

用的情況下，在增加控制操作時(shí)，最好的辦法就是增

加人與機(jī)器的語音交互界面。由語音對機(jī)器發(fā)出命令

，機(jī)器用語音做出應(yīng)答。2021/5/914語音識別系統(tǒng)應(yīng)用領(lǐng)域個(gè)人數(shù)字助理的語音交互界面

PDA的體積很小

，人機(jī)界面一直是其應(yīng)用和技術(shù)的瓶頸之一。由于在 PDA上使用鍵盤非常不便，因此，現(xiàn)多采用手寫體識

別的方法輸入和查詢信息。隨著語音識別技術(shù)的提高

，語音將成為PDA主要的人機(jī)交互界面。智能玩具家電遙控

用語音可以控制電視機(jī)、VCD、空調(diào)、電扇

、窗簾的操作，而且一個(gè)遙控器就可以把家中的電器

皆用語音控起來。2021/5/915語音識別技術(shù)的應(yīng)用發(fā)展方向一個(gè)方向是大詞匯量連續(xù)語音識別系統(tǒng)，主要應(yīng)用于計(jì)算機(jī)的聽寫機(jī)，以及與電話網(wǎng)或者互聯(lián)網(wǎng)相結(jié)合的語音信息查詢服務(wù)系統(tǒng)，這些系統(tǒng)都是在計(jì)算機(jī)平臺上實(shí)現(xiàn)的；另外一個(gè)重要的發(fā)展方向是小型化、便攜式語音產(chǎn)品的應(yīng)用，如無線手機(jī)上的撥號、汽車設(shè)備的語音控制、智能玩具、家電遙控