语音识别原理 五分钟就能弄懂
1、首先,我们知道声音实际上是一种波。常见的mp3、wmv等格式都是压缩格式,必须转成非压缩的纯波形文件来处理,比如Windows PCM文件,也就是俗称的wav文件。wav文件里存储的除了一个文件头以外,就是声音波形的一个个点了。
2、在开始语音识别之前,有时需要把首尾端的静音切除,降低对后续步骤造成的干扰。这个静音切除的操作一般称为VAD,需要用到信号处理的一些技术。
3、每帧的长度为25毫秒,每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。每帧的长度为25毫秒,每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。
4、分帧后,语音就变成了很多小段。但波形在时域上几乎没有描述能力,因此必须将波形作变换。常见的一种变换方法是提取MFCC特征。
5、至此,声音就成了一个12行(假设声学特征是12维)、N列的一个矩阵,称之为观察序列,这里N为总帧数。观察序列如下图所示,图中,每一帧都用一个12维的向量表示,色块的颜色深浅表示向量值的大小。
6、接下来就要介绍怎样把这个矩阵变成文本了。首先要介绍两个概念:音素:单词的发音由音素构成。对英语,一种常用的音素集是卡内基梅隆大学的一套由39个音素构成的音素集,参见The CMU Pronouncing Dictionary。
7、语音识别是怎么工作的呢?实际上一点都不神秘,无非是:第一步,把帧识别成状态(难点);第二步,把状态组合成音素;第三步,把音素组合成单词。
方法/步骤
1首先,我们知道声音实际上是一种波。常见的mp3、wmv等格式都是压缩格式,必须转成非压缩的纯波形文件来处理,比如Windows PCM文件,也就是俗称的wav文件。wav文件里存储的除了一个文件头以外,就是声音波形的一个个点了。
2在开始语音识别之前,有时需要把首尾端的静音切除,降低对后续步骤造成的干扰。这个静音切除的操作一般称为VAD,需要用到信号处理的一些技术。要对声音进行分析,需要对声音分帧,也就是把声音切开成一小段一小段,每小段称为一帧。分帧操作一般不是简单的切开,而是使用移动窗函数来实现,这里不详述。帧与帧之间一般是有交叠的。
3每帧的长度为25毫秒,每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。每帧的长度为25毫秒,每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。
4分帧后,语音就变成了很多小段。但波形在时域上几乎没有描述能力,因此必须将波形作变换。常见的一种变换方法是提取MFCC特征,根据人耳的生理特性,把每一帧波形变成一个多维向量,可以简单地理解为这个向量包含了这帧语音的内容信息。这个过程叫做声学特征提取。实际应用中,这一步有很多细节,声学特征也不止有MFCC这一种,具体这里不讲。
5至此,声音就成了一个12行(假设声学特征是12维)、N列的一个矩阵,称之为观察序列,这里N为总帧数。观察序列如下图所示,图中,每一帧都用一个12维的向量表示,色块的颜色深浅表示向量值的大小。
6接下来就要介绍怎样把这个矩阵变成文本了。首先要介绍两个概念:音素:单词的发音由音素构成。对英语,一种常用的音素集是卡内基梅隆大学的一套由39个音素构成的音素集,参见The CMU Pronouncing Dictionary。汉语一般直接用全部声母和韵母作为音素集,另外汉语识别还分有调无调,不详述。状态:这里理解成比音素更细致的语音单位就行啦。通常把一个音素划分成3个状态。
7语音识别是怎么工作的呢?实际上一点都不神秘,无非是:第一步,把帧识别成状态(难点);第二步,把状态组合成音素;第三步,把音素组合成单词。
-
94年水瓶什么最旺
根据星座学说,水瓶座的人在1994年出生,那么他们的出生日期范围应该是1月20日至2月18日。根据水瓶座的特性,最旺的事物可能包括以下几方面:1.社交活动和人际关系:水瓶座的人喜欢与不同的人交流和建立联系,因此他们在社交活动和人际关系方面可能会很旺盛。2.创新和科技...
-
囟门大是什么原因
囟门(xiàmén)是指婴儿头部前后囟缝的位置,也称为“前囟”和“后囟”。囟门大可能是由于以下原因之一:1.婴儿的头部骨骼未完全愈合:在出生时,婴儿的头部骨骼通常还未完全愈合,头骨之间留有一些软骨连接组织,这样有助于在生产过程中头部能够通过产道。因此,囟门在婴儿出...
-
装潢后多久可以入住
一般来说,装潢完成后,入住时间取决于多种因素,例如装修的规模、使用的材料和装修的方式等。通常情况下,如果是进行轻微的装修,例如刷漆、更换地板等,可能只需等待几天至一周即可入住。但如果是进行较大规模的装修,例如拆除墙壁、重新布线等,则可能需要更长的时间。最好...
-
玄关放什么画最旺老虎呢
在玄关放置一幅展现力量、勇气和威严的老虎画可能会给人一种旺盛的感觉。老虎是中国传统的吉祥动物之一,象征着权威和力量,因此在玄关放置老虎画可以增加气场,提升气势。选择一幅生动逼真、色彩鲜明的老虎画,可以让玄关空间更加有活力和阳刚之气。...