语音识别技术展望

<正> 自从ENIAC问世之后,立即有人想到要让计算机听懂人说话,并开始了这方面的研究工作。所以说,语音识别的研究历史与计算机的发展历史一样长。计算机的发展已历经了从电子管到晶体管以至超大规模集成电路的好几代,单单微机的CPU就从早期的4004发展到今天的奔腾三代,涌入了普通家庭,已与我们的数字化生活密不可分。但是,与计算机同步发展的语音识别技术似乎并不遵循摩尔规律,它的产品也迟迟未能进入市场。时至今日,语音技术产品的市场日益升温,语音识别技术已经成为计算机进一步在亿万百姓中普及的关键技术,也必将成为信息产业的标志性技术和未来计算机的重要特征。     

语音识别技术和应用

一、一般概念 语音识别的终极目标就是研制出一台能听懂任何人、任何内容的讲话的机器。很显然目前的技术水平还难以使得计算机与人类之间的语音交流变得和人与人之间的对话那么自如、方便。甚至曾有专家比喻其难度要超过“人类登上月球”!我们今天进行这一领域的研究与开拓就是要让语音识别技术走入人们的日常生活当中,并不断朝着最高目标而努力。 1.语音识别系统的分类 语音识别系统会有不同的系统设计和实现,因而会有不同的应用范围及限制。现在举出几个比较重要的不同的操作方式,及其可能的应用范围。     

语音识别浏览器VoiceIE设计与实现

语音识别浏览器VoiceIE提供一种全新的语音方式进行Internet WWW浏览适合各类办公自动化系统，特别是其于嵌入式系统的信息家电、PDA等应用领域。本文首先介绍VioceIE的系统结构及功能，然后阐述语音识别模块和浏览器模块的设计与实现方法，对浏览操作与窗口管理中基于COM编程和Internet API 运用，语音信号实时检测与识别中MIC API与互信息匹配模型MIC的运用，以及语音识别模块与浏览器模埠的数据通信等进行了描述。     

Android语音识别的应用与开发

随着计算机科学技术的发展,语音识别技术的出现,使得机器能够通过识别人的语音信号并转变成机器相对应的命令。语音识别技术的应用已经成为当今社会上具有竞争价值的新兴高科技产业。它在人机交互中占的比例将会越来越大。作为Google力推的Android自然会将此技术往Android系统里面植入,并结合Google的云端技术将其发扬光大,Google Voice Recognition也就应运而生。     

汉语语音识别实用系统研究

在分析了传统音识别方法的特点后,提出一种规则结合模型的语音识别思想,并实现了特征空间轨迹匹配＋神经网络”方法作为例证。     

基于功率谱差分的语音特征及其在带噪语音识别中的应用

文章提出了一种抗噪声的语音特征。首先让语音信号的功率谱通过一组带通滤波器,再计算各滤波器输出的差分值。理论分析和实验一致证明,以此作为语音信号的特征,可以大幅度提高语音识别系统在噪声环境中的性能。     

VB中创建语音识别应用程序

使用VB中SPI提供的DirectSpeechrecognition控件,创建了语音识别的VB应用程序。本文的应用程具有语音“命令与控制”功能,同时也可作为一些复杂语音识别程序开发的核心部分。     

语音识别开发工具包SRDK的研究与开发

详细介绍了一个语音识别开发工具包SRDK(SpeechRecognitionDevelopmentkits)。该工具包可以方便地完成语音识别的各种任务,并且可以用来对语音识别技术进行研究。SRDK的特点是:ANSIC编写,便于向嵌入式系统进行移植;模块化良好,可以任意拆分组合;内置状态捆绑、训练中的剪枝、段长后处理、SSE(StreamingSingle-InstructionMultiple-DataExtensions)指令集的使用等多种先进技术等。已经使用SRDK开发出实用的语音识别系统。     

语音识别的研究与发展

综合阐述了语音识别技术的提出与发展历史 ,语音识别系统的分类 ,目前所面临的困难和采用的主要技术 ,以及发展方向和应用前景。     

基于SAPI语音识别的研究与应用

一、引言 语音识别以语音为研究对象,它是语音信号处理的一个重要研究方向,是模式识别的一个分支,涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域,甚至还涉及到人的体态语言(如人在说话时的表情、手势等行为动作可帮助对方理解),其最终目标是实现人与机器进行自然语言通信.语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一.本文充分发挥微软SAPI 5.0的优势,利用SAPI 5.0实现语音识别过程,取得了满意的效果.     

计算机语言识别技术应用的探究

在科技高速发展的今天,计算机从多方面帮助人们拓宽视野,丰富知识,增加接触新事物的途径。因此,计算机在生活和工作中占有的地位越来越重要,它已经成为工作和学习中不可或缺的一部分。如今,为了国家实力的不断增强,各个国家都在计算机技术方面进行了大量的投入。为了计算机技术能够更好地造福人类,应该大力推动计算机语言识别技术的发展,让计算机能够更好地造福人类,造福社会。     

抗噪声语音识别及语音增强算法的应用

提高语音识别系统的鲁棒性是语音识别技术一个重要的研究课题。语音识别系统往往由于训练环境下的数据和识别环境下的数据不匹配造成系统的识别性能下降,为了让语音识别系统在含噪的环境下获得令人满意的工作性能,该文根据人耳听觉特性提出了一种鲁棒语音特征提取方法。在MFCC特征提取之前先对含噪语音特征进行掩蔽特性处理,同时结合语音增强方法对特征进行处理,最后得到鲁棒语音特征。通过4种不同试验结果分析表明,将这种方法用于抗噪声分析可以提高系统的抗噪声能力;同时这种特征的处理方法对不同噪声在不同信噪比有很好的适应性。     

语音情感识别的研究进展

总结了语音情感识别研究的主要成果,分析了带有情感的语音的特征,阐述了现有的几种从语音中提取情感的方法,并对其进行分析比较,指出了语音情感识别技术的可能发展趋势。     

HMM模型在语音识别研究中的应用

语音识别是人工智能最基础性课题,该课题研究者通过对隐马尔可夫模型这一数学模型的扩领域应用,解决了声学、语言学、句法等统计知识相关性问题。文章系统阐述了隐马尔可夫模型原理以及在语音识别中的应用过程,从而为更多研究者了解和认识。     

语音识别及自组织映射神经网络的应用

该文阐述了语音信号的特点，语音识别过程及技术，重点讨论了例谱技术及其在语音信号特征提取中的应用，并将自组织映射神经网络应用到语音识别中，提出了网络模型。     

基于EMG信号的无声语音识别应用及实现

提出了基于肌电信号（EMG）的无声语音识别系统。由于该系统是通过EMG信号而非声音信号进行识别,因此可应用于高噪声环境和帮助失去发音能力的人实现无声交流,有着良好的应用前景。关于该系统的实现,提出了以下方法：实验时使用0—9十个中文数字,由受试者不发声地重复说出,从三块面部肌肉采集EMG信号;对EMG信号进行小波变换,获取变换系数矩阵后提取其能量值,构造特征矢量送入BP神经网络分类器分类。实验表明,基于小波变换的特征提取方法是一种有效的方法．适用于类似EMC信号的非平稳生理信号。