 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 7 | 1/1 | 返回列表 |
| 查看: 2080 | 回復(fù): 6 | |||
想飛的豬木蟲 (正式寫手)
|
[交流]
【轉(zhuǎn)帖】認(rèn)準(zhǔn)語音識別的“內(nèi)核” 已有5人參與
|
|
//有點(diǎn)老！ 認(rèn)準(zhǔn)語音識別的“內(nèi)核” 劉學(xué)習(xí) 2002/07/12 有專家說，語音識別用途廣泛，潛力巨大，但要真正實(shí)現(xiàn)人與計(jì)算機(jī)的自然交流卻很難，它不僅需要高深的基礎(chǔ)理論的突破，更需要大量的實(shí)際工作的積累。 語音交互就要實(shí)現(xiàn)？ 1996年，IBM公司發(fā)布了VoiceType中文語音識別軟件，首次將其語音識別產(chǎn)品介紹給中國用戶;1997年9月，IBM推出了ViaVoice中文連續(xù)語音識別系統(tǒng)，標(biāo)志著中文語音識別技術(shù)商業(yè)化進(jìn)程開始啟動。 然而，語音識別技術(shù)并不是一夜之間冒出來的神話，自從有了計(jì)算機(jī)，人們就開始了語音識別技術(shù)的研究，因此可以說語音識別的歷史和計(jì)算機(jī)一樣長。特別是在70年代前后，研究的脈絡(luò)日漸清晰，貝爾實(shí)驗(yàn)室和IBM等都先后建立了專門的研究機(jī)構(gòu)。今天這兩家公司在這一領(lǐng)域都已取得了顯著的成果，并且在商業(yè)上應(yīng)用成功，貝爾實(shí)驗(yàn)室主要偏重于電信方面應(yīng)用的語音識別系統(tǒng)，如電話查詢等；而IBM則偏重于商務(wù)應(yīng)用，因而在連續(xù)語音識別上取得了不小的成功。 不談商業(yè)方面的應(yīng)用，事實(shí)上，很多公司都提供語音識別的引擎(Engine)，并且都表示能支持微軟的SAPI�？匆豢碨API 4.0SUITE就不難發(fā)現(xiàn)，微軟在這方面的研究并不遜色，只是很奇怪它居然沒有將成果商業(yè)化。微軟同時提供了一系列引擎，如SpeechRecognition(語音識別)、Command&Control(發(fā)布指令并控制)、PhoneQuery(電話語音識別)、Texttospeech(文本語音轉(zhuǎn)換)等。 今天，許多用戶已能享受到語音技術(shù)的優(yōu)勢了，可以對計(jì)算機(jī)發(fā)送命令，或者要求計(jì)算機(jī)記錄用戶所說的話，以及將文本轉(zhuǎn)換成聲音朗讀出來。盡管如此，距離真正的人機(jī)自由交流的境界似乎還很遙遠(yuǎn)�，F(xiàn)在已有商用系統(tǒng)存在的主要問題是：系統(tǒng)魯棒性還有待改進(jìn)，如對于噪聲環(huán)境下或方言的語言識別率和穩(wěn)健性等都不盡如人意。 不可否認(rèn)，語音識別技術(shù)還有一段路需要走，要做到真正成功的商業(yè)化，它還需要在很多方面取得突破性進(jìn)展，這實(shí)際上也是其技術(shù)的未來走向。 語音識別難在哪兒？ 計(jì)算機(jī)自動語音識別就是讓計(jì)算機(jī)能聽懂人說話。這一問題曾經(jīng)被一位知名的美國教授稱之為是“比登月還難”的科學(xué)難題。其實(shí)，人們很早就認(rèn)識到語音識別對于人類生活的重要性。世界上第一臺計(jì)算機(jī)問世之后，馬上就有人想到要讓計(jì)算機(jī)聽懂人說話。所以說，語音識別的研究歷史與計(jì)算機(jī)的發(fā)展歷史一樣長。計(jì)算機(jī)的發(fā)展已經(jīng)經(jīng)歷了好幾代，今天已經(jīng)進(jìn)入到了普通家庭。但是，語音識別方面的產(chǎn)品卻遲遲未能進(jìn)入市場。那么，它難在哪兒呢？ 計(jì)算機(jī)語音識別是一個模式識別匹配的過程。在這個過程中，計(jì)算機(jī)首先要根據(jù)人的語音特點(diǎn)建立語音模型，對輸入的語音信號進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語音識別所需的模板。而計(jì)算機(jī)在識別過程中要根據(jù)語音識別的整體模型，將計(jì)算機(jī)中存放的語音模板與輸入的語音信號的特征進(jìn)行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入的語音匹配的模板。然后，據(jù)此模板的定義，通過查表就可以給出計(jì)算機(jī)的識別結(jié)果。顯然，這種最優(yōu)的結(jié)果與特征的選擇、語音模型和語言模型的好壞、模板是否準(zhǔn)確等都有直接的關(guān)系。 一個語音識別系統(tǒng)性能好壞的關(guān)鍵首先是它所采用的語音模型能否真實(shí)地反映話音的物理變化規(guī)律，所用的語言模型能否表達(dá)自然語言所包含的豐富語言學(xué)知識。然而無論是語音信號還是人類的自然語言都是隨機(jī)、多變和不穩(wěn)定的，很難把握。這就是目前語音識別過程中的最大難點(diǎn)。 其次，模板訓(xùn)練的好壞也直接關(guān)系到語音識別系統(tǒng)識別率的高低。為了得到一個好的模板，往往需要有大量的原始語音數(shù)據(jù)來訓(xùn)練語音模型。因此，在開始進(jìn)行語音識別研究之前，首先要建立起一個龐大的語音數(shù)據(jù)庫和語料數(shù)據(jù)庫。一個好的語音數(shù)據(jù)庫包括足夠數(shù)量、具有不同性別、年齡、口音說話人的聲音，并且必須要有代表性，能均衡地反映實(shí)際使用情況。 有了語音數(shù)據(jù)庫及語音特征，就可以建立語音模型，并用語音數(shù)據(jù)庫中的語音來訓(xùn)練這個語音模型。訓(xùn)練過程是指選擇系統(tǒng)的某種最佳狀態(tài)（如對語音庫中的所有語音有最好的識別率），不斷地調(diào)整系統(tǒng)模型（或模板）的參數(shù)，使系統(tǒng)模型的性能不斷向這種最佳狀態(tài)逼近的過程。這是一個復(fù)雜的過程，要求計(jì)算機(jī)有強(qiáng)大的計(jì)算能力，并有很強(qiáng)的理論指導(dǎo)，才能保證得到良好的訓(xùn)練結(jié)果。 當(dāng)語音識別系統(tǒng)對語音進(jìn)行識別時，相對來說，其識別過程要比訓(xùn)練過程簡單，對計(jì)算機(jī)的運(yùn)算能力要求也很低，并且速度較快。這有利于實(shí)時地實(shí)現(xiàn)語音識別系統(tǒng)和進(jìn)行商品化開發(fā)應(yīng)用。 那么,制約語音識別技術(shù)發(fā)展的根本是什么呢?接受記者采訪的清華大學(xué)王作英教授認(rèn)為,語音識別的關(guān)鍵是其依據(jù)的模型和算法,模型算法是計(jì)算機(jī)描述語音的能力能否抓住人的語音的本質(zhì)的關(guān)鍵。在語音識別領(lǐng)域，固然有資金實(shí)力、人力資源等的競爭，但最根本是其關(guān)鍵核心技術(shù)——模型和算法的競爭。 DTW逐漸淡出HMM占據(jù)統(tǒng)治地位 要建立一個語音識別系統(tǒng)僅有一個好的語音特征還不夠，還要有一個好的語音識別的模型和算法。在語音識別系統(tǒng)中通常分為兩個部分：聲學(xué)層部分主要研究如何充分利用語音信號中的信息;語音學(xué)層部分主要研究如何充分利用已有語音學(xué)知識來提高系統(tǒng)的識別率。目前，大家關(guān)注的中心是低層中聲學(xué)層部分所涉及的模型和算法。 目前，在研發(fā)語音識別系統(tǒng)時常用的算法有基于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和識別算法、基于動態(tài)時間歸整匹配(DTW)的識別算法和基于統(tǒng)計(jì)的隱含馬爾可夫模型（HMM）識別和訓(xùn)練算法。 基于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練識別算法由于實(shí)現(xiàn)起來較復(fù)雜，且識別率并不見得比基于統(tǒng)計(jì)的語音識別模型好，因此，這種算法目前仍處于實(shí)驗(yàn)室研究階段。 基于動態(tài)時間歸整匹配的DTW算法從目前來看，可能是一個最為小巧的語音識別的算法。其系統(tǒng)開銷小，識別速度快，在對付小詞匯量的語音命令控制系統(tǒng)中是一個非常有效的算法。但是，如果系統(tǒng)稍微復(fù)雜一些，這種算法就顯得力不從心了。 基于統(tǒng)計(jì)的HMM算法可能是目前最為成功的一種語音識別模型和算法了。目前所能見到的各種性能優(yōu)良的連續(xù)語音識別系統(tǒng)幾乎無一例外地采用了這種模型。這是因?yàn)檫@種數(shù)學(xué)模型出現(xiàn)的時間較早，人們對它的研究也比較深入，已建立起了完整的理論框架。從20世紀(jì)80年代初人們開始用這種模型來描述語音信號后，就不斷有人對它進(jìn)行了各種改良和發(fā)展。這種隱含馬爾可夫模型的算法是將語音看成是一連串特定狀態(tài)，這種狀態(tài)是不能被直接觀測到的（如這種狀態(tài)可以是語音的某個音素），而是以某種隱含的關(guān)系與語音的觀測量（或特征）相關(guān)聯(lián)。而這種隱含關(guān)系在HMM模型中通常以概率形式表現(xiàn)出來，模型的輸出結(jié)果也以概率形式給出。這為系統(tǒng)最后給出一個穩(wěn)健的判決創(chuàng)造了條件。 如今，各種形式的HMM模型和算法已日趨成熟，以它為基礎(chǔ)已經(jīng)形成了語音識別的整體框架模型，它統(tǒng)一了語音識別中聲學(xué)層和語音學(xué)層的算法結(jié)構(gòu)，制定了最佳的搜索和匹配算法，以概率的形式將聲學(xué)層中得到的信息和語音學(xué)層中已有的信息完美地結(jié)合在一起。因此，HMM語音識別模型與算法是迄今為止最為完美的一個語音識別模型，從中也可看出好的理論體系對研究工作所起的重要的指導(dǎo)作用。 HMM的“內(nèi)傷” 許多從事語音識別技術(shù)研究的公司都把HMM當(dāng)做“救命稻草”，對其展開了大量的研究開發(fā)，隨著語音識別研究工作的深入開展，HMM語音識別方法愈來愈受到人們的重視，但與此同時，人們也愈來愈認(rèn)識到經(jīng)典HMM語音識別模型在一些重要方面存在嚴(yán)重的缺陷，這就是： 經(jīng)典HMM是一個齊次的Markov模型，狀態(tài)轉(zhuǎn)移概率與狀態(tài)駐留長度無關(guān)，與語音的實(shí)際過程不符； 經(jīng)典HMM現(xiàn)有的模型訓(xùn)練算法和識別算法都是假設(shè)語音特征是相互獨(dú)立的，這也不符合語音信號的實(shí)際情況； 經(jīng)典HMM模型用于大詞匯表的識別系統(tǒng)時，其模型的訓(xùn)練量是災(zāi)難性的； 模型的存儲量太大。 任何一個成功的語音識別模型，都是基于其參數(shù)具有聚類性這一基礎(chǔ)上的。HMM模型之所以能達(dá)到很高的識別率，是由于反映其狀態(tài)的特征參數(shù)具有聚類性，從而它必然是對應(yīng)于語音學(xué)中的語音單位(如音素)，聲學(xué)上則必然是對應(yīng)于某種聲學(xué)單元或發(fā)聲器官的某種結(jié)構(gòu)狀態(tài)。語音學(xué)的研究表明，語音單位(如音素)在詞中的長度有一個相對平穩(wěn)的分布。正是這種狀態(tài)長度分布的相對平穩(wěn)性破壞了HMM模型的齊次性結(jié)構(gòu)。 DDBHMM浮出水面 王作英教授1988年年底向“863”計(jì)劃提交的“語音識別的改進(jìn)隱含馬爾可夫模型”，可以說是對語音識別模型算法的一次重大革新。它指出了傳統(tǒng)的HMM模型在語音識別應(yīng)用中存在的問題，得到了一個基于段長分布的非齊次隱含馬爾可夫模型(Duration Distribution Based Hidden Markov Model，DDBHMM)。以此理論為指導(dǎo)所設(shè)計(jì)的語音識別聽寫機(jī)系統(tǒng)在1994年～1998年的全國語音識別系統(tǒng)評測中取得三連冠，從而顯示了這一新模型的生命力和在這一研究領(lǐng)域內(nèi)的領(lǐng)先水平。 HMM模型是在國際上在語音識別系統(tǒng)中被廣泛引用的一種模型，但是它有一個主要的缺點(diǎn)，即根據(jù)詞模型推出的狀態(tài)段長分布是指數(shù)分布，這不符合語音的本質(zhì)屬性。而王作英教授提出的DDBHMM(基于段長分布的HMM)模型解決了這一缺陷。它是一個非齊次的HMM語音識別模型。在此模型中用狀態(tài)的段長分布函數(shù)替代了齊次HMM中的狀態(tài)轉(zhuǎn)移矩陣，徹底拋棄了“平穩(wěn)的假設(shè)”，而從非平穩(wěn)的角度考慮問題，使模型成為一種基于狀態(tài)段長分布的隱含Markov模型。段長分布函數(shù)的引入澄清了經(jīng)典HMM語音識別模型的許多矛盾。 同時，由于非齊次HMM是一個有后效過程，不能用Bellman的動態(tài)規(guī)劃求最大似然路徑，也不能用Baum的重新估值算法對模型參數(shù)進(jìn)行訓(xùn)練。對于這類有后效的多階段決策問題，如果用完全搜索算法求解最佳路徑，其計(jì)算復(fù)雜性太大，甚至在現(xiàn)有硬件水平上無法實(shí)時運(yùn)行。因而，必須建立新的非齊次HMM訓(xùn)練算法和識別算法。DBBHMM比國際上流行的HMM語音識別模型有更好的識別性能和更低的計(jì)算復(fù)雜度(訓(xùn)練算法比流行的Baum算法復(fù)雜度低兩個數(shù)量級)。由于該模型解除了對語音信號狀態(tài)的齊次性和對語音特征的非相關(guān)性的限制,因此為語音識別研究的深入發(fā)展提供了一個和諧的框架。 有好的模型只是一個開始，還需要做大量的工作。以前的模型可以借助其他技術(shù)如神經(jīng)網(wǎng)絡(luò)技術(shù)改進(jìn)模型的不足,而DBBHMM模型的出現(xiàn)促進(jìn)了語音識別模型與算法的競爭與發(fā)展。未來，在語音識別領(lǐng)域，基于HMM和DBBHMM兩種模型的語音識別系統(tǒng)將齊頭并進(jìn)，展開競爭�；贖MM的系統(tǒng)“走得早”，且有大量資金和技術(shù)力量的支持;后發(fā)的DBBHMM系統(tǒng)有理論優(yōu)勢，但需要做的工作卻很多，短期內(nèi)兩種系統(tǒng)將共存。另外會不會出現(xiàn)更好的第三種模型算法，現(xiàn)在還不能斷定。 |
回復(fù)此樓» 猜你喜歡
0703化學(xué)336分求調(diào)劑
已經(jīng)有6人回復(fù)
-
304求調(diào)劑
已經(jīng)有9人回復(fù)
-
293求調(diào)劑
已經(jīng)有13人回復(fù)
-
281求調(diào)劑（0805）
已經(jīng)有8人回復(fù)
-
環(huán)境領(lǐng)域全國重點(diǎn)實(shí)驗(yàn)室招收博士1-2名
已經(jīng)有3人回復(fù)
-
材料專碩306英一數(shù)二
已經(jīng)有10人回復(fù)
-
301求調(diào)劑
已經(jīng)有6人回復(fù)
-
一志愿天津大學(xué)化學(xué)工藝專業(yè)（081702）315分求調(diào)劑
已經(jīng)有7人回復(fù)
-
302求調(diào)劑
已經(jīng)有6人回復(fù)
-
26博士申請
已經(jīng)有3人回復(fù)
» 本主題相關(guān)價值貼推薦，對您同樣有幫助:
- 怎么學(xué)習(xí)模式識別這門課？
已經(jīng)有11人回復(fù)
- 電子科技大學(xué)模式識別與機(jī)器智能實(shí)驗(yàn)室招聘博士后和老師
已經(jīng)有4人回復(fù)
- 請教語音識別（特別是關(guān)鍵詞識別）的新方向，有什么新理論可以往里用！
已經(jīng)有9人回復(fù)
- 某省基金，雙盲評審，申請人說2009年發(fā)表一篇nature，如何識別？
已經(jīng)有32人回復(fù)
- 【轉(zhuǎn)載】吃巨無霸草莓小心膨大劑 怎樣識別激素草莓
已經(jīng)有6人回復(fù)
- 【討論】有做人臉識別，舌相醫(yī)學(xué)診斷的嗎，導(dǎo)師今天傳給我一篇文章，說這個方向很新
已經(jīng)有16人回復(fù)
- 【求助】Csharp和Visual Studio 2008如何識別matlab程序
已經(jīng)有4人回復(fù)
- 【求助】散紅包求助一篇模式識別論文的大意
已經(jīng)有11人回復(fù)
- 【求助】origin7.5不識別特殊符號怎么辦
已經(jīng)有3人回復(fù)
jh5254622
銀蟲 (小有名氣)
- 應(yīng)助: 0 (幼兒園)
- 金幣: 2776.4
- 紅花: 1
- 帖子: 74
- 在線: 22.1小時
- 蟲號: 1227272
- 注冊: 2011-03-09
- 性別: GG
- 專業(yè): 信號理論與信號處理
2樓2011-03-18 11:09:33
saturnnebula
新蟲 (初入文壇)
- 應(yīng)助: 0 (幼兒園)
- 金幣: 673.1
- 帖子: 32
- 在線: 29.8小時
- 蟲號: 1787870
- 注冊: 2012-04-30
- 專業(yè): 認(rèn)知科學(xué)及智能信息處理
3樓2012-11-30 17:58:10
sarllyn
銅蟲 (小有名氣)
- 應(yīng)助: 1 (幼兒園)
- 金幣: 208.5
- 帖子: 128
- 在線: 35.9小時
- 蟲號: 1570565
- 注冊: 2012-01-09
- 性別: MM
- 專業(yè): 植物資源學(xué)
4樓2013-01-15 12:02:14
5樓2013-10-09 00:54:50
aixiaoni
金蟲 (初入文壇)
- 應(yīng)助: 0 (幼兒園)
- 金幣: 1093.6
- 紅花: 1
- 帖子: 29
- 在線: 12.1小時
- 蟲號: 2706834
- 注冊: 2013-10-08
- 性別: GG
- 專業(yè): 計(jì)算機(jī)軟件
6樓2013-11-06 21:04:12
想飛的豬
木蟲 (正式寫手)
- 應(yīng)助: 40 (小學(xué)生)
- 金幣: 12225.4
- 散金: 1831
- 紅花: 9
- 帖子: 584
- 在線: 156.7小時
- 蟲號: 584434
- 注冊: 2008-08-01
- 性別: GG
- 專業(yè): 機(jī)器人學(xué)及機(jī)器人技術(shù)
7樓2013-11-07 16:43:54
相關(guān)版塊跳轉(zhuǎn)
我要訂閱樓主 想飛的豬 的主題更新
| 7 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 085601材料工程專碩求調(diào)劑 +5 | 慕寒mio 2026-03-16 | 5/250 |
|
|---|---|---|---|---|
|
[考研] 070300化學(xué)319求調(diào)劑 +4 | 錦鯉0909 2026-03-17 | 4/200 |
|
|
|
[考研] 274求調(diào)劑0856材料化工 +13 | z2839474511 2026-03-11 | 14/700 |
|
|
|
[考研] 材料與化工304求B區(qū)調(diào)劑 +7 | 邱gl 2026-03-11 | 8/400 |
|
|
|
[考研] [導(dǎo)師推薦]西南科技大學(xué)國防/材料導(dǎo)師推薦 +3 | 尖角小荷 2026-03-16 | 6/300 |
|
|
|
[考研] 藥學(xué)383 求調(diào)劑 +3 | 藥學(xué)chy 2026-03-15 | 4/200 |
|
|
|
[考研] 286求調(diào)劑 +3 | lemonzzn 2026-03-16 | 5/250 |
|
|
|
[考研] 304求調(diào)劑 +5 | 素年祭語 2026-03-15 | 5/250 |
|
|
|
[考研] 321求調(diào)劑 +5 | 大米飯！ 2026-03-15 | 5/250 |
|
|
|
[考研] 327求調(diào)劑 +6 | 拾光任染 2026-03-15 | 11/550 |
|
|
|
[考研] 0856專碩279求調(diào)劑 +5 | 加油加油！? 2026-03-15 | 5/250 |
|
|
|
[考研] 本科南京大學(xué)一志愿川大藥學(xué)327 +3 | 麥田耕者 2026-03-14 | 3/150 |
|
|
|
[考研] 289求調(diào)劑 +4 | 這么名字咋樣 2026-03-14 | 6/300 |
|
|
|
[考研] 304求調(diào)劑 +6 | Mochaaaa 2026-03-12 | 7/350 |
|
|
|
[考研] 26調(diào)劑/材料/英一數(shù)二/總分289/已過A區(qū)線 +6 | 步川酷紫123 2026-03-13 | 6/300 |
|
|
|
[考研] 一志愿西南交大，材料專碩317求調(diào)劑 +5 | lx8568 2026-03-11 | 5/250 |
|
|
|
[考研] 求調(diào)劑 +5 | 一定有學(xué)上- 2026-03-12 | 5/250 |
|
|
|
[考研] 0703化學(xué)求調(diào)劑 +7 | 綠豆芹菜湯 2026-03-12 | 7/350 |
|
|
|
[考研] 0817化學(xué)工程與技術(shù)考研312分調(diào)劑 +3 | T123 tt 2026-03-12 | 3/150 |
|
|
|
[考研] 290求調(diào)劑 +3 | ADT 2026-03-13 | 3/150 |
|