语音识别

语音识别 语音识别 机器要实现与人对话，就需要实现“听懂 理解 回答”三步，对应的便是“耳”、“脑”、“口”的职责。机器要听懂人类说话，就离不开语音识别技术（Automatic Speech Recognition）。 技术原理 1. 输入：语音识别输入的是声音，声音是一种波，是计算机无法直接处理的模拟信号。 2. 编码：将模拟信号转变成数字信号，并提取其中的特征进行处理。 a. 声音分帧，通过移动窗函数把声音切开成一小段一小段，每一小段为一帧。帧与帧之间一般是有交叠的。 b. 特征向量，通过使用某种规则（如依照人耳听声特点提出的MFCC规则），将每一帧波形变成一个多维向量。 3. 解码 a. 把帧识别成状态。 b. 把状态组合成音素。 c. 把音素组合成单词。 4. 输出 参考资料 CUI三部曲之语音识别——机器如何听懂你的话？ 语音识别的技术原理是什么？ 张俊博的回答 知乎 CUI三部曲之语音识别——机器如何听懂你的话？ 语音识别的技术原理是什么？ 张俊博的回答 知乎 机器要实现与人对话，就需要实现“听懂 理解 回答”三步，对应的便是“耳”、“脑”、“口”的职责。机器要听懂人类说话，就离不开语音识别技术（Automatic Speech Recognition）。 技术原理 1. 输入：语音识别输入的是声音，声音是一种波，是计算机无法直接处理的模拟信号。 2. 编码：将模拟信号转变成数字信号，并提取其中的特征进行处理。 a. 声音分帧，通过移动窗函数把声音切开成一小段一小段，每一小段为一帧。帧与帧之间一般是有交叠的。 b. 特征向量，通过使用某种规则（如依照人耳听声特点提出的MFCC规则），将每一帧波形变成一个多维向量。 a. 声音分帧，通过移动窗函数把声音切开成一小段一小段，每一小段为一帧。帧与帧之间一般是有交叠的。 b. 特征向量，通过使用某种规则（如依照人耳听声特点提出的MFCC规则），将每一帧波形变成一个多维向量。 3. 解码 a. 把帧识别成状态。 b. 把状态组合成音素。 c. 把音素组合成单词。 a. 把帧识别成状态。 b. 把状态组合成音素。 c. 把音素组合成单词。 4. 输出 参考资料 CUI三部曲之语音识别——机器如何听懂你的话？ CUI三部曲之语音识别——机器如何听懂你的话？ 语音识别的技术原理是什么？ 张俊博的回答 知乎 语音识别的技术原理是什么？ 张俊博的回答 知乎