语音识别技术在手机中的应用

语音识别是以语音为研究对象,通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门涉及面很广的交叉学科,它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。语音识别技术正逐步成为计算机信息处理技术中的关键技术,语音技术的应用已经成为一个具有竞争性的新兴高技术产业。     

语音识别技术及应用（上）

引言 语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科。近二十年来,语音识别技术取得显著进步,开始从实验室走向市场。     

基于机器学习的语音情感识别技术研究

针对快速发展的语音情感识别技术,归纳总结了机器学习算法在语音情感识别领域的发展过程并预测语音情感识别技术的发展方向.首先针对语音情感的离散描述模型,总结语音情感识别模型训练和识别算法的一般过程;然后,根据机器学习算法的发展阶段,分别对比分析传统机器学习算法,深度神经网络、卷积神经网络、循环神经网络等深度学习算法与语音情...     

在线语音识别技术在数据自动录入中的应用

阐述在线语音识别技术，采用Python语言设计实现一个自动成绩录入系统，包含录音、语音识别、向Excel自动成绩填写，以及语音播放功能。     

语音识别中的统计语言模型研究

就语音识别中所用到的语言模型进行了详细阐述,对语言模型中涉及到的N-gram模型进行了解析,以及对在训练语言模型过程中遇到的零概率问题相应的平滑处理方法进行了讲解。利用N-gram训练的语言模型运用到语音识别中,取得了相当好的效果。     

语音识别技术及应用（下）

语音识别系统分类与应用 语音识别系统可以根据对输入语音的限制加以分类。表1列出各种系统的分类比较。从表中可以看出,如果从说话者与识别系统的相关性考虑,可以将识别系统分为3类:(1)特定人语音识别系统:仅考虑对于专人的话音进行识别;(2)非特定人语音系统:识别的语音与人无关,通常要用大量不同人的语音数据库对识别系统进行学习;(3)多人的识别系统:通常能识别一组人的语音,     

基于声学模型的不良语音识别技术研究

不良语音识别技术是在高清音视频业务中监测不良信息的有效手段。本文提出了一个基于声学模型的不良语音识别框架。并针对框架中特征提取、声学模型构建、不良语音判定模型三个重要部分的实现方法进行分析描述。并列举了各种方法的优缺点。对构建高效的不良语音识别系统具有较高的参考价值。     

汉语语音识别研究面临的一些科学问题

本文简述汉语语音自动识别从实验室技术过渡到实际商用技术所必须解决的一些科学问题，列举了汉语语音编码的结构特点和规则，强调（１）在汉语音节的声母、韵母层面上的语言模型对语音的识别很有帮助，也会提供文字语言和讲话语言的有用知识；（２）使用区别性导引特征和描述性均匀特征有助于加速语音识别的搜索速度，减少失配和改善对音位变体的细分，本文还着重讨论了在语音信号的声学处理环节提高语音识别鲁棒性的重要问题和途径，文中还提出了标注性学习、提示性猜测的逐步过渡的训练和自适应方法，用于汉语大词汇连续语音识别。     

正反向隐马尔可替模型及其在连续语音识别中的应用

本文针对语音信号中客观存在的正、反向依赖特性，明确提出了用条件概率的概念来定量表述语音信号的这种正、反向的马尔可夫依赖关系，提出了描述语音信号这种正反向依赖关系的正反隐马可夫模型，并实验证明了仅仅利用语音反向依赖关系语音识别同样也能获得相当可观的识别性能。     

语音识别与理解的语言统计模型和搜索算法

介绍了目前语音识别与理解技术中最重要的语言统计模型和搜索算法。语言建模方法主要介绍Ｎ元文法语言模型。基本类的模型、最大熵模型、潜在词义分析模型和话题相关模型。搜索算法主要介绍树－格搜索算法。双向图搜索算法平时畅游科构建与搜索算法。