基于卷积神经网络模型的情绪识别技术在语音质检中的应用

传统语音服务质检工作存在人工抽检效率低、准确性较低、全面性较差、语音转写开销大等问题,针对该问题,采用三维论连续维度情绪划分方式,提出了基于预训练卷积神经网络VGGish模型的情绪识别技术,通过将该技术应用于95598客服中心质检工作,实验结果表明客服中心语音质检准确率可达到96.88％,该方法能够在未进行语音转写的情...     

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。     

基于段长分布的HMM语音识别模型

本文针对齐次HMM语音识别模型在使用段长信息时存在的缺陷,形式化地定义了一种适合语音信号描述的自左向右非齐次隐含马尔科夫模型,证明了这种模型的状态转移概率表示与状态段长表示的等效性,并在此基础上提出了基于段长分布的HMM模型(DDBHMM).非特定人连续语音实验结果表明,仅仅利用状态段长信息的DDBHMM语音识别模型比经典HMM模型的性能有了明显的提高(误识率降低了17.8%),展示了DDBHMM的良好的性能,为语音信号的时长、语速、时间断续性以及语音特征的相关性等重要特征的描述和利用开辟了空间.     

基于中英文混合模型的语音识别研究

针对目前汉语连续语音识别中英文识别问题,采用中英文混合建模的方法建立中英文混合模型.在分析已有语音识别系统的基础上,根据发音学的一些先验知识,提出一种基于主元音及英文音素序列混合的声学模型,同时利用最大似然规则训练出的声学模型,通过最小音素错误准则对声学模型进行区分性训练,更新得到最终的声学模型.在测试集上的结果表明,...     

语音电路及语音识别

本文阐述了语音电路及其研制，并简介了语音识别原理。     

基于连续隐马尔科夫的语音识别模型

本文针对问题一建立了基于连续隐马尔科夫模型的语音识别系统的模型。该语音识别系统包括预处理,特征提取以及声学模型三个部分。问题二要求以一个实际的例子则对问题一中建立的模型进行验证。我们选择了话费查询这个功能进行测试。待测语音信号依次经过预处理、特征提取、训练与识别。     

语音识别的互信息匹配模型及其应用

互信息是随机变量或随机信号之间所携带对方信息的定量描述。语音识别的互信息匹配模型依据互信息理论以及语音信号特征参数统计分析结果而提出,这一模型同时考虑了语音信号的时变发布特征和统计分布特征,能有效地提高同类模式的凝聚度,减少非同类模式间的耦合性。语音识别实验和实际应用表明,互信息匹配模型具有良好的识别精度和很高的运行效率,与其它模式匹配方法相比更适合嵌入式系统的语音识别应用。对互信息匹配模型的原理和特点进行了全面的阐述,并介绍了这一模型在几个语音识别系统中的具体应用。     

基于ZIGBEE技术的无线语音识别系统设计

文章介绍了ZIGBEE技术的基本特点和语音识别技术的基本原理,详细介绍了SPCE061A单片机在语音识别中的应用方法,以及与射频芯片CC2420之间的"MESSAGE"控制方式,本文结合SPCE061A单片机丰富的语音处理功能以及基于ZIGBEE的无线通信技术,设计了一种无线语音识别系统,具有广泛的应用价值.     

基于BP神经网络的汉语语音识别的研究

本文论述了基于神经网络模型的非特定人汉语语音识别。我们采用24人(12人用于训练,12人用于测试)的语音数据对汉语十个数字和十个孤立字进行了实验,取得了96.3％(10个数字)和97.2％(十个汉字)的识别率。     

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。     

基于声门特征与语音特征的语音情感识别对比研究

语音发声过程的物理过程对于理解语音情感的表达机制具有重要意义。本文研究了声门波信号作为语音激励源在语音情感表达中的贡献。本文采用对比研究的方式,从完整语音信号与声门波中提取相同定义的特征,并使用相同的机器学习算法进行情感识别实验。实验结果表明,声门波信号能够携带语音信号中的大部分情感信息,尤其在唤醒度方向对语音情感能够较充分地表达;而声门波在语音情感的价效度方向有明显的信息缺失,需要依赖声道特性对情感价效进行表达。     

语音情感识别研究综述

语音不仅包含所需要的文本内容,也包含所要表达的情感信息。情感识别是人机情感交互的关键。该研究从语音情感语料库、情感特征提取和情感识别的应用等方面对情感语音识别进行了综述,目的是让机器感知人类的情感状态,提高机器的人性化水平。     

基于HMM和PNN的混合语音识别模型

基于隐马尔可夫模型(HMM)和改进后的概率神经网络(PNN)模型提出了一种用于语音识别的混合模型,该模型首先利用HMM生成最佳语音状态序列,然后对最佳状态序列进行时间规整,最后通过PNN神经网络进行分类识别。给出了HMM参数训练及时间规整的算法。实验结果表明这种模型比HMM具有更好的识别效果。     

自然口语语音识别研究概况

概要介绍了自然口语语音识别的研究现状和的主要问题，对自然口语语音的特点以及目前正在使用或探索中的算法理论进行较深入地分析和总结。     

基于智能语音识别的机器人研究应用

基于智能语音识别的机器人能够利用机器人辅助学习音乐,提高学习效率和学习兴趣。本智能语音识别机器人利用人工智能技术与用户进行语音交流,识别用户的指令和需求,机器人配合做相应的动作。     

改进的基于点过程模型的连续语音关键词识别技术

本文建立了一种基于点过程模型的连续语音关键词识别系统,该模型不同于以往的经典模型,而是将连续语音信号处理成一系列稀疏的音素点集,通过对各音素点集进行建模得到关键词模型与背景模型,再采用滑动搜索的方式来检出关键词。实验结果表明该方法在保证90%以上识别率的同时大大降低了运算复杂度,并且在具有极少量训练样本的情况下依然具有较高的识别率,具有良好的鲁棒性。     

MATLAB下的基于HMM模型的语音识别技术的实现

HMM模型(隐含马尔科夫模型)由于对时间序列结构具有较强的建模能力.而逐步成为主流的语音识别技术.该文首先深入浅出地概述了基于HMM的语音识别技术,然后介绍了三个基本问题,最后在MATLAB下实现了孤立词语音识别系统.     

基于SVM的语音情感识别研究

随着计算机技术的发展,人们对和谐人机交互的要求不断提高,这就要求计算机能理解说话人的情感信息,即能进行语音情感识别。本文提出了一种基于支持向量机（SVM）的语音情感识别方法,主要对人类的6种基本情感：高兴、惊奇、愤怒、悲伤、恐惧、平静进行研究。首先对自建语音情感数据库的情感语句提取特征,然后运用序列前向选择（SFS）算...