山東語(yǔ)音識別設置

取距離近的樣本所對應的詞標注為該語(yǔ)音信號的發(fā)音。該方法對解決孤立詞識別是有效的，但對于大詞匯量、非特定人連續語(yǔ)音識別就無(wú)能為力。因此，進(jìn)入80年代后，研究思路發(fā)生了重大變化，從傳統的基于模板匹配的技術(shù)思路開(kāi)始轉向基于統計模型（HMM）的技術(shù)思路。HMM的理論基礎在1970年前后就已經(jīng)由Baum等人建立起來(lái)，隨后由CMU的Baker和IBM的Jelinek等人將其應用到語(yǔ)音識別當中。HMM模型假定一個(gè)音素含有3到5個(gè)狀態(tài)，同一狀態(tài)的發(fā)音相對穩定，不同狀態(tài)間是可以按照一定概率進(jìn)行跳轉；某一狀態(tài)的特征分布可以用概率模型來(lái)描述，使用的模型是GMM。因此GMM-HMM框架中，HMM描述的是語(yǔ)音的短時(shí)平穩的動(dòng)態(tài)性，GMM用來(lái)描述HMM每一狀態(tài)內部的發(fā)音特征?；贕MM-HMM框架，研究者提出各種改進(jìn)方法，如結合上下文信息的動(dòng)態(tài)貝葉斯方法、區分性訓練方法、自適應訓練方法、HMM/NN混合模型方法等。這些方法都對語(yǔ)音識別研究產(chǎn)生了深遠影響，并為下一代語(yǔ)音識別技術(shù)的產(chǎn)生做好了準備。自上世紀90年代語(yǔ)音識別聲學(xué)模型的區分性訓練準則和模型自適應方法被提出以后，在很長(cháng)一段內語(yǔ)音識別的發(fā)展比較緩慢，語(yǔ)音識別錯誤率那條線(xiàn)一直沒(méi)有明顯下降。DNN-HMM時(shí)代2006年。它融合了語(yǔ)言學(xué)、計算機科學(xué)和電氣工程領(lǐng)域的知識和研究。山東語(yǔ)音識別設置

共振峰的位置、帶寬和幅度決定元音音色，改變聲道形狀可改變共振峰，改變音色。語(yǔ)音可分為濁音和清音，其中濁音是由聲帶振動(dòng)并激勵聲道而得到的語(yǔ)音，清音是由氣流高速沖過(guò)某處收縮的聲道所產(chǎn)生的語(yǔ)音。語(yǔ)音的產(chǎn)生過(guò)程可進(jìn)一步抽象成如圖1-2所示的激勵模型，包含激勵源和聲道部分。在激勵源部分，沖擊序列發(fā)生器以基音周期產(chǎn)生周期性信號，經(jīng)過(guò)聲帶振動(dòng)，相當于經(jīng)過(guò)聲門(mén)波模型，肺部氣流大小相當于振幅；隨機噪聲發(fā)生器產(chǎn)生非周期信號。聲道模型模擬口腔、鼻腔等聲道qi官，后產(chǎn)生語(yǔ)音信號。我們要發(fā)濁音時(shí)，聲帶振動(dòng)形成準周期的沖擊序列。發(fā)清音時(shí)，聲帶松弛，相當于發(fā)出一個(gè)隨機噪聲。圖1-2產(chǎn)生語(yǔ)音的激勵模型，人耳是聲音的感知qi官，分為外耳、中耳和內耳三部分。外耳的作用包括聲源的定位和聲音的放大。外耳包含耳翼和外耳道，耳翼的作用是保護耳孔，并具有定向作用。外耳道同其他管道一樣也有共振頻率，大約是3400Hz。鼓膜位于外耳道內端，聲音的振動(dòng)通過(guò)鼓膜傳到內耳。中耳由三塊聽(tīng)小骨組成，作用包括放大聲壓和保護內耳。中耳通過(guò)咽鼓管與鼻腔相通，其作用是調節中耳壓力。內耳的耳蝸實(shí)現聲振動(dòng)到神經(jīng)沖動(dòng)的轉換，并傳遞到大腦。深圳自主可控語(yǔ)音識別內容一個(gè)眾所周知的應用是自動(dòng)語(yǔ)音識別，以應對不同的說(shuō)話(huà)速度。

亞馬遜的Echo音箱剛開(kāi)始推出的兩三年，國內的智能音箱市場(chǎng)還不溫不火，不為消費者所接受，因此銷(xiāo)量非常有限。但自2017年以來(lái)，智能家居逐漸普及，音箱市場(chǎng)開(kāi)始火熱，為搶占語(yǔ)音入口，阿里巴巴、百度、小米、華為等大公司紛紛推出了各自的智能音箱。據Canalys報告，2019年第1季度中國市場(chǎng)智能音箱出貨量全球占比51%，超過(guò)美國，成為全球*大的智能音箱市場(chǎng)。據奧維云網(wǎng)(AVC)數據顯示，2019年上半年中國智能音箱市場(chǎng)銷(xiāo)量為1556萬(wàn)臺，同比增長(cháng)233%。隨著(zhù)語(yǔ)音市場(chǎng)的擴大，國內涌現出一批具有強大競爭力的語(yǔ)音公司和研究團隊，包括云知聲、思必馳、出門(mén)問(wèn)問(wèn)、聲智科技、北科瑞聲、天聰智能等。他們推出的語(yǔ)音產(chǎn)品和解決方案主要針對特定場(chǎng)景，如車(chē)載導航、智能家居、醫院的病歷輸入、智能客服、會(huì )議系統、證券柜臺業(yè)務(wù)等，因為采用深度定制，識別效果和產(chǎn)品體驗更佳。在市場(chǎng)上獲得了不錯的反響。針對智能硬件的離線(xiàn)識別，云知聲和思必馳等公司還研發(fā)出專(zhuān)門(mén)的語(yǔ)音芯片，進(jìn)一步降低功耗，提高產(chǎn)品的性?xún)r(jià)比。在國內語(yǔ)音應用突飛猛進(jìn)的同時(shí)，各大公司和研究團隊紛紛在國際學(xué)術(shù)會(huì )議和期刊上發(fā)表研究成果。2015年，張仕良等人提出了前饋型序列記憶網(wǎng)絡(luò )。

即識別準確率為，相較于2013年的準確率提升了接近20個(gè)百分點(diǎn)。這種水平的準確率已經(jīng)接近正常人類(lèi)。2016年10月18日，微軟語(yǔ)音團隊在Switchboard語(yǔ)音識別測試中打破了自己的好成績(jì)，將詞錯誤率降低至。次年，微軟語(yǔ)音團隊研究人員通過(guò)改進(jìn)語(yǔ)音識別系統中基于神經(jīng)網(wǎng)絡(luò )的聲學(xué)模型和語(yǔ)言模型，在之前的基礎上引入了CNN-BLSTM(ConvolutionalNeuralNetworkCombinedwithBidirectionalLongShort-TermMemory，帶有雙向LSTM的卷積神經(jīng)網(wǎng)絡(luò ))模型，用于提升語(yǔ)音建模的效果。2017年8月20日，微軟語(yǔ)音團隊再次將這一紀錄刷新，在Switchboard測試中將詞錯誤率從，即識別準確率達到，與谷歌一起成為了行業(yè)。另外，亞馬遜(Amazon)公司在語(yǔ)音行業(yè)可謂后發(fā)制人，其在2014年底正式推出了Echo智能音箱，并通過(guò)該音箱搭載的Alexa語(yǔ)音助理，為使用者提供種種應用服務(wù)。Echo智能音箱一經(jīng)推出，在消費市場(chǎng)上取得了巨大的成功。如今已成為美國使用廣的智能家居產(chǎn)品，至今累計銷(xiāo)量已超過(guò)2000萬(wàn)臺。投資機構摩根士丹利分析師稱(chēng)智能音箱是繼iPad之后"成功的消費電子產(chǎn)品"。國內語(yǔ)音識別現狀國內早的語(yǔ)音識別研究開(kāi)始于1958年，中國科學(xué)院聲學(xué)所研究出一種電子管電路，該電子管可以識別10個(gè)元音。1973年。對于強噪聲、超遠場(chǎng)、強干擾、多語(yǔ)種、大詞匯等場(chǎng)景下的語(yǔ)音識別還需要很大的提升。

中國科學(xué)院聲學(xué)所成為國內shou個(gè)開(kāi)始研究計算機語(yǔ)音識別的機構。受限于當時(shí)的研究條件，我國的語(yǔ)音識別研究在這個(gè)階段一直進(jìn)展緩慢。放開(kāi)以后，隨著(zhù)計算機應用技術(shù)和信號處理技術(shù)在我國的普及，越來(lái)越多的國內單位和機構具備了語(yǔ)音研究的成熟條件。而就在此時(shí)，外國的語(yǔ)音識別研究取得了較大的突破性進(jìn)展，語(yǔ)音識別成為科技浪潮的前沿，得到了迅猛的發(fā)展，這推動(dòng)了包括中科院聲學(xué)所、中科院自動(dòng)化所、清華大學(xué)、中國科技大學(xué)、哈爾濱工業(yè)大學(xué)、上海交通大學(xué)、西北工業(yè)大學(xué)、廈門(mén)大學(xué)等許多國內科研機構和高等院校投身到語(yǔ)音識別的相關(guān)研究當中。大多數的研究者將研究重點(diǎn)聚焦在語(yǔ)音識別基礎理論研究和模型、算法的研究改進(jìn)上。1986年3月，我國的"863"計劃正式啟動(dòng)。"863"計劃即國家高技術(shù)研究發(fā)展計劃，是我國的一項高科技發(fā)展計劃。作為計算機系統和智能科學(xué)領(lǐng)域的一個(gè)重要分支。語(yǔ)音識別在該計劃中被列為一個(gè)專(zhuān)項研究課題。隨后，我國展開(kāi)了系統性的針對語(yǔ)音識別技術(shù)的研究。因此，對于我國國內的語(yǔ)音識別行業(yè)來(lái)說(shuō)，"863"計劃是一個(gè)里程碑，它標志著(zhù)我國的語(yǔ)音識別技術(shù)進(jìn)入了一個(gè)嶄新的發(fā)展階段。但是由于研究起步晚、基礎薄弱、硬件條件和計算能力有限。主流語(yǔ)音識別框架還是由 3 個(gè)部分組成：聲學(xué)模型、語(yǔ)言模型和解碼器，有些框架也包括前端處理和后處理。廣州移動(dòng)語(yǔ)音識別服務(wù)標準

遠場(chǎng)語(yǔ)音識別已經(jīng)隨著(zhù)智能音箱的興起成為全球消費電子領(lǐng)域應用為成功的技術(shù)之一。山東語(yǔ)音識別設置

美國**部下屬的一個(gè)名為美國**高級研究計劃局(DefenseAdvancedResearchProjectsAgency，DARPA)的行政機構，在20世紀70年代介入語(yǔ)音領(lǐng)域，開(kāi)始資助一項旨在支持語(yǔ)言理解系統的研究開(kāi)發(fā)工作的10年戰略計劃。在該計劃推動(dòng)下，誕生了一系列不錯的研究成果，如卡耐基梅隆大學(xué)推出了Harpy系統，其能識別1000多個(gè)單詞且有不錯的識別率。第二階段：統計模型(GMM-HMM)到了20世紀80年代，更多的研究人員開(kāi)始從對孤立詞識別系統的研究轉向對大詞匯量連續語(yǔ)音識別系統的研究，并且大量的連續語(yǔ)音識別算法應運而生，例如分層構造(LevelBuilding)算法等。同時(shí)，20世紀80年代的語(yǔ)音識別研究相較于20世紀70年代，另一個(gè)變化是基于統計模型的技術(shù)逐漸替代了基于模板匹配的技術(shù)。統計模型兩項很重要的成果是聲學(xué)模型和語(yǔ)言模型，語(yǔ)言模型以n元語(yǔ)言模型(n-gram)，聲學(xué)模型以HMM。HMM的理論基礎在1970年前后由Baum等人建立，隨后由卡耐基梅隆大學(xué)(CMU)的Baker和IBM的Jelinek等人應用到語(yǔ)音識別中。在20世紀80年代中期，Bell實(shí)驗室的.Rabiner等人對HMM進(jìn)行了深入淺出的介紹。并出版了語(yǔ)音識別專(zhuān)著(zhù)FundamentalsofSpeechRecognition，有力地推動(dòng)了HMM在語(yǔ)音識別中的應用。山東語(yǔ)音識別設置

本文來(lái)自北京全牛匠餐飲管理有限公司：http://www.ericgeiselman.com/Article/75e0799917.html