AI人工智能 语音识别

2020-09-24 10:04 更新

在本章中,我们将学习使用 AI 和 Python 进行语音识别。 言语是成人人际沟通的最基本手段。 语音处理的基本目标是提供人与机器之间的交互。 语音处理系统主要有三项任务 -

  • 首先,语音识别允许机器捕捉我们所说的单词,短语和句子
  • 其次,自然语言处理使机器能够理解我们所说的话
  • 第三,语音合成允许机器说话。

本章重点讲述语音识别,理解人类说话的过程。 请记住,在麦克风的帮助下捕捉语音信号,然后系统才能理解它。

构建语音识别器

语音识别或自动语音识别(ASR)是 AI 机器人等 AI 项目的关注焦点。 没有 ASR,就不可能想象一个认知机器人与人进行交互。 但是,构建语音识别器并不容易。

开发语音识别系统的困难 开发高质量的语音识别系统确实是一个难题。 语音识别技术的困难可以广泛地表征为如下所讨论的许多维度 -

  • 词汇大小

- 词汇大小影响开发 ASR 的难易程度。考虑以下词汇量以便更好地理解。

  • 例如,在一个语音菜单系统中,一个小词汇由 2 到 100 个单词组成
  • 例如,在数据库检索任务中,中等大小的词汇包含几个 100 到 1000 个单词
  • 一个大的词汇由几万个单词组成,如在一般的听写任务中。

  • 信道特性 - 信道质量也是一个重要的维度。 例如,人类语音包含全频率范围的高带宽,而电话语音包含频率范围有限的低带宽。 请注意,后者更难。

  • 说话模式 - 轻松开发 ASR 还取决于说话模式,即语音是处于孤立词模式还是连接词模式,还是处于连续语音模式。 请注意,连续说话很难辨认。

  • 口语风格 - 阅读说话可以采用正式风格,也可以采用自发风格和对话风格。 后者更难以识别。

  • 扬声器依赖性 - 语音可以依赖扬声器,扬声器自适应或扬声器独立。 独立发言人是最难建立的。

  • 噪音类型

- 噪音是开发 ASR 时需要考虑的另一个因素。 信噪比可以在各种范围内,这取决于观察较少的声学环境与较多的背景噪声 -

  • 如果信噪比大于30dB,则认为是高范围
  • 如果信噪比在 30dB 到 10db 之间,则认为是中等信噪比
  • 如果信噪比小于 10dB,则认为是低范围

  • 麦克风特性 - 麦克风的质量可能很好,平均水平或低于平均水平。 此外,嘴和微型电话之间的距离可能会有所不同。 识别系统也应考虑这些因素。

尽管存在这些困难,研究人员在语音的各个方面做了很多工作,例如理解语音信号,说话人以及识别口音。

所以,需要按照以下步骤构建语音识别器 -

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号