人工基礎(chǔ) 3-1 語音識(shí)別

1語音識(shí)別模塊3：感知人機(jī)語音交互授課人：宋楚平手機(jī)美圖視頻監(jiān)控語音互動(dòng)機(jī)器人智能音箱為啥機(jī)器能說話？一、語音識(shí)別簡史語音識(shí)別（SpeechRecognition，SR）是指將人說的話自動(dòng)轉(zhuǎn)換為文字或機(jī)器可以理解的指令的過程。1952年，貝爾實(shí)驗(yàn)室研究出世界上第一個(gè)識(shí)別10個(gè)英文數(shù)字發(fā)音的識(shí)別系統(tǒng)1960年，英國的德內(nèi)斯等人成功研究出第一個(gè)計(jì)算機(jī)語音識(shí)別系統(tǒng)20世紀(jì)80年代后，研究思路由基于標(biāo)準(zhǔn)模板匹配的技術(shù)轉(zhuǎn)向基于統(tǒng)計(jì)模型的技術(shù)2010年之后，基于深度神經(jīng)網(wǎng)絡(luò)和分布式計(jì)算成為語音識(shí)別技術(shù)的主流機(jī)器學(xué)習(xí)的一般流程二、語音識(shí)別過程五個(gè)關(guān)鍵要素語音信號(hào)處理特征提取聲學(xué)模型語言模型解碼搜索二、語音識(shí)別過程1、語音信號(hào)處理連續(xù)的模擬信號(hào)時(shí)間上離散的數(shù)字信號(hào)二、語音識(shí)別過程提取出聲音最具辨識(shí)度的主要成分，過濾掉其他無關(guān)信息特征提取四步驟預(yù)加重分幀加窗和傅里葉轉(zhuǎn)換提取特征2、特征提取二、語音識(shí)別過程提取出聲音最具辨識(shí)度的主要成分，過濾掉其他無關(guān)信息特征提取四步驟預(yù)加重分幀加窗和傅里葉轉(zhuǎn)換提取特征2、特征提取二、語音識(shí)別過程提取出聲音最具辨識(shí)度的主要成分，過濾掉其他無關(guān)信息特征提取四步驟預(yù)加重分幀加窗和傅里葉轉(zhuǎn)換提取特征2、特征提取語音能量譜二、語音識(shí)別過程提取出聲音最具辨識(shí)度的主要成分，過濾掉其他無關(guān)信息特征提取四步驟預(yù)加重分幀加窗和傅里葉轉(zhuǎn)換提取特征2、特征提取各幀的FBank特征頻譜圖，即特征圖二、語音識(shí)別過程3、聲學(xué)模型聲學(xué)特征建模單元若干音素隱馬爾可夫聲學(xué)模型語音特征向量聲學(xué)得分二、語音識(shí)別過程4、語言模型音素文字的概率5、解碼搜索聲學(xué)模型語言模型發(fā)音詞典解碼搜索語音特征文本三、語音識(shí)別新技術(shù)及應(yīng)用端到端一體化模型1語音識(shí)別新技術(shù)大規(guī)模自監(jiān)督預(yù)訓(xùn)練2噪聲魯棒與自適應(yīng)前端3多模態(tài)融合4三、語音識(shí)別新技術(shù)及應(yīng)用語音識(shí)別新應(yīng)用實(shí)時(shí)語音生成字幕語音助手智能車載語音控制門診病歷語音轉(zhuǎn)寫三、語音識(shí)別新技術(shù)及應(yīng)用語音識(shí)別新應(yīng)用仿生機(jī)器人ASR支持在線學(xué)習(xí)智能話筒聲紋認(rèn)證暢享語音識(shí)別的新場景討論語音識(shí)別在未來的新場景應(yīng)用場景用于描述意義或價(jià)值①新醫(yī)療記錄助手②居家陪聊機(jī)器人③兒童智能圖書④車載智能助手⑤智能會(huì)議屏……學(xué)生分享及教師點(diǎn)評(píng)分享要點(diǎn)分值計(jì)分教師點(diǎn)評(píng)1、你的想法來自哪里？10頭腦風(fēng)暴、獨(dú)立思考2、你的研討是否有其他學(xué)生參與？10集思廣益、團(tuán)結(jié)協(xié)助3、語音識(shí)別技術(shù)對(duì)場景應(yīng)用的革命性影響？30積極思考、敢于天馬行空4、如果要選擇一個(gè)語音技術(shù)最有影響或價(jià)值的場景，你的選擇是？20價(jià)值思維，前瞻能力5、語音技術(shù)發(fā)展新的方向20打破常規(guī)，展望未來，6