人工智能技術導論 課件 04 智能語音技術及應用

智能語音技術及應用第4章

4.1智能語音技術簡介智能語音技術是實現(xiàn)人機語言通信的一種技術，包括語音識別和語音合成。語音識別技術是將聲音轉(zhuǎn)化成文字的一種技術，也被稱為自動語音識別（AutomaticSpeechRecognition，ASR）。語音合成（TexttoSpeech,TTS）技術讓計算機像人類一樣說話，將文本序列轉(zhuǎn)換為語音信號的技術。

4.2.1語音識別技術分類以說話方式為標準，分為孤立詞語音識別、連接字語音識別、連續(xù)語音識別三類。根據(jù)對特定說話人的依賴程度，分為特定說話人語音識別、非

特定說話人語音識別兩類。根據(jù)模型所使用的詞匯量大小，語音識別可分為有限詞匯語音識別和無限詞匯量語音識別兩類。

4.2.2語音識別發(fā)展歷程第一階段，起步階段，以識別孤立詞的發(fā)音為主要研究內(nèi)容。第二階段，快速發(fā)展期，語音識別系統(tǒng)的功能從簡單的特定人識別發(fā)展到非特定人的識別，從小詞匯量孤立詞識別發(fā)展到大詞匯量連續(xù)詞識別，識別準確率顯著提升，性能日趨走向成熟。第三階段，成熟及廣泛應用階段。伴隨著大數(shù)據(jù)時代的到來以及深度學習的快速發(fā)展，大詞匯語音識別的性能快速發(fā)展。IBM的Shoebox系統(tǒng)

4.2.3語音識別系統(tǒng)構成（1）左邊自上而下代表語音的生成過程，右邊自下而上顯示了語音的識別過程。說話人和收聽人的溝通要基于共同的詞匯語義庫和語音發(fā)音規(guī)則，而語音識別等效為將語義的相關信息從語音信號中“解調(diào)”的過程。語音通信流程

4.2.3語音識別系統(tǒng)構成（2）語音系統(tǒng)的層次模型

4.2.3語音識別系統(tǒng)構成（3）語音識別系統(tǒng)框圖

4.2.3語音識別預處理技術采樣和濾波

自然采集的語音信號往往存在多種噪聲和干擾信號，會影響識別的結果，所以在語音識別的開始階段必須進行濾波。分幀和加窗

語音信號的研究過程中，往往是建立在“短時”分析的基礎上，即把語音信號分成很小的時間段(一般為10~30ms)，每一小段稱為一幀，把語音信號分成若干幀的過程就稱為分幀。梅爾圖譜聲譜圖可以更直觀地不同聲音事件的能量的時頻域分布明顯不同，所以可以通過聲譜圖特征進行語音識別。

4.2.5語音識別方法隱馬爾科夫模型BP神經(jīng)網(wǎng)絡BRNN模型

4.3.1語音合成技術分類根據(jù)聲音產(chǎn)生的不同層次，可以分為：從文本序列轉(zhuǎn)換到語音、從概念轉(zhuǎn)換到語音、從意向轉(zhuǎn)換到語音三類。以數(shù)字信號處理的方法不同，可成分為基于規(guī)則、基于數(shù)據(jù)、基于統(tǒng)計、基于深度學習的方法。

4.3.2語音合成發(fā)展歷程語音合成技術的研究已有兩百多年的歷史，但真正具有實用意義的近代語音合成技術是隨著計算機技術和數(shù)字信號處理技術的發(fā)展而發(fā)展起來的，主要是讓計算機能夠產(chǎn)生高清晰度、高自然度的連續(xù)語音。谷歌公司于2017年提出的Tacotron模型

4.3.3語音合成系統(tǒng)構成傳統(tǒng)的語音合成系統(tǒng)由文本分析和波形生成兩大模塊組成，也稱為前端模塊和后端模塊。語音合成系統(tǒng)框圖

4.3.4語音合成方法波形拼接的語音合成方法

4.4智能語音編程案例pyttsx3是一個Python文本到語音轉(zhuǎn)換庫，它可以將文字轉(zhuǎn)換為語音并播放出來。它支持多種平臺和多種合成引擎。pyttsx3庫簡單易用，是小白的好選擇。通過