语音识别
2023-07-04 14:01:24 13 举报AI智能生成
语音识别知识梳理
作者其他创作
大纲/内容
语音识别技术又称Automatic Speech Recognition，即ASR技术，目的是将语音序列转换为文本序列
语音识别的本质就是一种模式识别的过程，将未知的语音模式与已知的语音模式进行对比，最佳匹配的参考模式就被视为识别结果
语音识别是什么？
信号处理：对语音片段进行噪声消除和信道增强等预处理技术
不同的特征向量表征着不同的声学意义，从音频信号中选择有效的音频表征的过程就是语音特征提取
梅尔频率倒谱系数（MFCC）提取特征，Python 提供了 pyaudio 和 librosa等语音处理工作库卷积神经网络（CNN）、CNN-LSTM-DNN（CLDNN）等深度神经网络模型提取语音特征
信号处理与特征提取
对提取的音频特征进行进一步的处理，处理的目的是找到语音来自于某个声学符号（音素）的概率
根据声学特征性计算每一个特征向量在声学特征上的得分
声学模型
用来计算出一个句子出现概率的模型，简单来说，就是计算出这个句子在语法上是否正确的概率。
反映字词出现的先验概率，比如“郝”和“好”，这两个字发音相同，但“郝”相对于“好”来说，出现的概率较低，一般都会出现在姓氏里；反映词顺序是否符合语言习惯和反映词的语义信息
计算该声音信号对应可能词组序列的概率；类似 n-gram 和 RNN 等模型，会得到一个语言模型得分
语言模型
语音技术中的识别过程
解码搜索阶段会针对声学模型得分和语言模型得分进行综合，将得分最高的词序列作为最后的识别结构
解码搜索
语音识别系统的四个模块
高斯混合模型（GMM）和隐马尔可夫模型（HMM）等
基于传统声学模型的语音识别系统
循环神经网络、LSTM、编码-解码框架、注意力机制等
基于深度学习的语音识别系统
语音识别系统分类
语音识别基础知识
基于深度学习的声学模型要比传统的基于浅层模型的声学模型更适合语音处理任务
1.获取语音文件，支持从文件、麦克风读取
2.获取识别语音内容的对象
3.打开语音文件，调用recognize_sphinx接口将语音转化为文本
使用python的SpeechRecognition库
1.Google API--无需注册可直接使用，但无法访问Google网页，需要国外vps
2.百度 API--需要注册账号，创建语音识别应用，获取API Key和Secret Key
python调用开源API
1.预处理语料
2.提取音频特征，使用MFCC特征或者神经网络提取特征
3.构建神经网络模型，如RNN、CNN、LSTM的混合模型
4.模型训练及结果评估
基于深度学习的语音识别
识别说话内容和时长，对累计时长超过阈值给出提示
识别准确率特别低
识别准确率高
待实验验证
业务需求
语音识别
0 条评论
回复 删除
下一页
