英國倫敦大學(xué)的科學(xué)家Fry和Denes等人di一次利用統(tǒng)計學(xué)的原理構(gòu)建出了一個可以識別出4個元音和9個輔音的音素識別器。在同一年,美國麻省理工學(xué)院林肯實驗室的研究人員則shou次實現(xiàn)了可以針對非特定人的可識別10個元音音素的識別器。語音識別技術(shù)的發(fā)展歷史,主要包括模板匹配、統(tǒng)計模型和深度學(xué)習(xí)三個階段。di一階段:模板匹配(DTW)20世紀(jì)60年代,一些重要的語音識別的經(jīng)典理論先后被提出和發(fā)表出來。1964年,Martin為了解決語音時長不一致的問題,提出了一種時間歸一化的方法,該方法可以可靠地檢測出語音的端點,這可以有效地降低語音時長對識別結(jié)果的影響,使語音識別結(jié)果的可變性減小了。1966年,卡耐基梅隆大學(xué)的Reddy利用動態(tài)音素的方法進(jìn)行了連續(xù)語音識別,這是一項開創(chuàng)性的工作。1968年,前蘇聯(lián)科學(xué)家Vintsyukshou次提出將動態(tài)規(guī)劃算法應(yīng)用于對語音信號的時間規(guī)整。雖然在他的工作中,動態(tài)時間規(guī)整的概念和算法原型都有體現(xiàn),但在當(dāng)時并沒有引起足夠的重視。這三項研究工作,為此后幾十年語音識別的發(fā)展奠定了堅實的基礎(chǔ)。雖然在這10年中語音識別理論取得了明顯的進(jìn)步。但是這距離實現(xiàn)真正實用且可靠的語音識別系統(tǒng)的目標(biāo)依舊十分遙遠(yuǎn)。20世紀(jì)70年代。語音命令可用于發(fā)起電話呼叫、選擇無線電臺或從兼容的智能手機(jī)、MP3播放器或音樂加載閃存驅(qū)動器播放音樂。新疆語音識別器
然后在Reg_RW.c文件中找到HARD_PARA_PORT對應(yīng)條件宏的代碼段,保留AVR的SPI接口代碼。3.2應(yīng)用程序?qū)崿F(xiàn)在代碼中預(yù)先設(shè)定幾個單詞:“你好”,“播放音樂”,“打開”。當(dāng)用戶說“播放音樂”時,MCU控制LD3320播放一段音樂,如果是其他詞語,則在串口中打印識別結(jié)果,然后再次轉(zhuǎn)換到語音識別狀態(tài)。3.2.1MP3播放代碼LD3320支持MP3數(shù)據(jù)播放,播放聲音的操作順序為:通用初始化→MP3播放用初始化→調(diào)節(jié)播放音量→開始播放。將MP3數(shù)據(jù)順序放入數(shù)據(jù)寄存器,芯片播放完一定數(shù)量的數(shù)據(jù)時會發(fā)出中斷請求,在中斷函數(shù)中連續(xù)送入聲音數(shù)據(jù),直到聲音數(shù)據(jù)結(jié)束。MP3播放函數(shù)實現(xiàn)代碼如下:由于MCU容量限制,選取測試的MP3文件不能太大。首先在計算機(jī)上將MP3文件的二進(jìn)制數(shù)據(jù)轉(zhuǎn)為標(biāo)準(zhǔn)C數(shù)組格式文件,然后將該文件加入工程中。源代碼中MP3文件存儲在外擴(kuò)的SPIFLASH中,工程中需要注釋和移除全部相關(guān)代碼。MP3數(shù)據(jù)讀取函數(shù)是LD_ReloadMp3Data,只需將讀取的SPIFLASH數(shù)據(jù)部分改成以數(shù)組數(shù)據(jù)讀取的方式即可。3.2.2語音識別程序LD3320語音識別芯片完成的操作順序為:通用初始化→ASR初始化→添加關(guān)鍵詞→開啟語音識別。在源代碼中的RunASR函數(shù)已經(jīng)實現(xiàn)了上面的過程。深圳新一代語音識別設(shè)計語音識別技術(shù)還可以應(yīng)用于自動口語翻譯。
語音識別技術(shù)飛速發(fā)展,又取得了幾個突破性的進(jìn)展。1970年,來自前蘇聯(lián)的Velichko和Zagoruyko將模式識別的概念引入語音識別中。同年,Itakura提出了線性預(yù)測編碼(LinearPredictiveCoding,LPC)技術(shù),并將該技術(shù)應(yīng)用于語音識別。1978年,日本人Sakoe和Chiba在前蘇聯(lián)科學(xué)家Vintsyuk的工作基礎(chǔ)上,成功地使用動態(tài)規(guī)劃算法將兩段不同長度的語音在時間軸上進(jìn)行了對齊,這就是我們現(xiàn)在經(jīng)常提到的動態(tài)時間規(guī)整(DynamicTimeWarping,DTW)。該算法把時間規(guī)整和距離的計算有機(jī)地結(jié)合起來,解決了不同時長語音的匹配問題。在一些要求資源占用率低、識別人比較特定的環(huán)境下,DTW是一種很經(jīng)典很常用的模板匹配算法。這些技術(shù)的提出完善了語音識別的理論研究,并且使得孤立詞語音識別系統(tǒng)達(dá)到了一定的實用性。此后,以IBM公司和Bell實驗室為的語音研究團(tuán)隊開始將研究重點放到大詞匯量連續(xù)語音識別系統(tǒng)(LargeVocabularyContinuousSpeechRecognition,LVCSR),因為這在當(dāng)時看來是更有挑戰(zhàn)性和更有價值的研究方向。20世紀(jì)70年代末,Linda的團(tuán)隊提出了矢量量化(VectorQuantization。VQ)的碼本生成方法,該項工作對于語音編碼技術(shù)具有重大意義。
它將執(zhí)行以下操作:進(jìn)行聲音輸入:“嘿Siri,現(xiàn)在幾點了?”通過聲學(xué)模型運(yùn)行語音數(shù)據(jù),將其分解為語音部分。·通過語言模型運(yùn)行該數(shù)據(jù)。輸出文本數(shù)據(jù):“嘿Siri,現(xiàn)在幾點了?”在這里,值得一提的是,如果自動語音識別系統(tǒng)是語音用戶界面的一部分,則ASR模型將不是在運(yùn)行的機(jī)器學(xué)習(xí)模型。許多自動語音識別系統(tǒng)都與自然語言處理(NLP)和文本語音轉(zhuǎn)換(TTS)系統(tǒng)配合使用,以執(zhí)行其給定的角色。也就是說,深入研究語音用戶界面本身就是個完整的話題。要了解更多信息,請查看此文章。那么,現(xiàn)在知道了ASR系統(tǒng)如何運(yùn)作,但需要構(gòu)建什么?建立ASR系統(tǒng):數(shù)據(jù)的重要性ASR系統(tǒng)應(yīng)該具有靈活性。它需要識別各種各樣的音頻輸入(語音樣本),并根據(jù)該數(shù)據(jù)做出準(zhǔn)確的文本輸出,以便做出相應(yīng)的反應(yīng)。為實現(xiàn)這一點,ASR系統(tǒng)需要的數(shù)據(jù)是標(biāo)記的語音樣本和轉(zhuǎn)錄形式。比這要復(fù)雜一些(例如,數(shù)據(jù)標(biāo)記過程非常重要且經(jīng)常被忽略),但為了讓大家明白,在此將其簡化。ASR系統(tǒng)需要大量的音頻數(shù)據(jù)。為什么?因為語言很復(fù)雜。對同一件事有很多種講述方式,句子的意思會隨著單詞的位置和重點而改變。還考慮到世界上有很多不同的語言,在這些語言中。由于語音交互提供了更自然、更便利、更高效的溝通形式,語音識別必定將成為未來主要的人機(jī)互動接口之一。
并能產(chǎn)生興趣投身于這個行業(yè)。語音識別的技術(shù)歷程現(xiàn)代語音識別可以追溯到1952年,Davis等人研制了世界上個能識別10個英文數(shù)字發(fā)音的實驗系統(tǒng),從此正式開啟了語音識別的進(jìn)程。語音識別發(fā)展到已經(jīng)有70多年,但從技術(shù)方向上可以大體分為三個階段。下圖是從1993年到2017年在Switchboard上語音識別率的進(jìn)展情況,從圖中也可以看出1993年到2009年,語音識別一直處于GMM-HMM時代,語音識別率提升緩慢,尤其是2000年到2009年語音識別率基本處于停滯狀態(tài);2009年隨著深度學(xué)習(xí)技術(shù),特別是DNN的興起,語音識別框架變?yōu)镈NN-HMM,語音識別進(jìn)入了DNN時代,語音識別精細(xì)率得到了提升;2015年以后,由于“端到端”技術(shù)興起,語音識別進(jìn)入了百花齊放時代,語音界都在訓(xùn)練更深、更復(fù)雜的網(wǎng)絡(luò),同時利用端到端技術(shù)進(jìn)一步大幅提升了語音識別的性能,直到2017年微軟在Swichboard上達(dá)到詞錯誤率,從而讓語音識別的準(zhǔn)確性超越了人類,當(dāng)然這是在一定限定條件下的實驗結(jié)果,還不具有普遍代表性。GMM-HMM時代70年代,語音識別主要集中在小詞匯量、孤立詞識別方面,使用的方法也主要是簡單的模板匹配方法,即首先提取語音信號的特征構(gòu)建參數(shù)模板,然后將測試語音與參考模板參數(shù)進(jìn)行一一比較和匹配。
語音識別,通常稱為自動語音識別。新疆語音識別器
原理語音識別技術(shù)是讓機(jī)器通過識別把語音信號轉(zhuǎn)變?yōu)槲谋?,進(jìn)而通過理解轉(zhuǎn)變?yōu)橹噶畹募夹g(shù)。新疆語音識別器
純粹從語音識別和自然語言理解的技術(shù)乃至功能的視角看這款產(chǎn)品,相對于等并未有什么本質(zhì)性改變,變化只是把近場語音交互變成了遠(yuǎn)場語音交互。正式面世于銷量已經(jīng)超過千萬,同時在扮演類似角色的漸成生態(tài),其后臺的第三方技能已經(jīng)突破10000項。借助落地時從近場到遠(yuǎn)場的突破,亞馬遜一舉從這個賽道的落后者變?yōu)樾袠I(yè)。但自從遠(yuǎn)場語音技術(shù)規(guī)模落地以后,語音識別領(lǐng)域的產(chǎn)業(yè)競爭已經(jīng)開始從研發(fā)轉(zhuǎn)為應(yīng)用。研發(fā)比的是標(biāo)準(zhǔn)環(huán)境下純粹的算法誰更有優(yōu)勢,而應(yīng)用比較的是在真實場景下誰的技術(shù)更能產(chǎn)生優(yōu)異的用戶體驗,而一旦比拼真實場景下的體驗,語音識別便失去存在的價值,更多作為產(chǎn)品體驗的一個環(huán)節(jié)而存在。語音識別似乎進(jìn)入了一個相對平靜期,在一路狂奔過后紛紛開始反思自己的定位和下一步的打法。語音賽道里的標(biāo)志產(chǎn)品——智能音箱,以一種的姿態(tài)出現(xiàn)在大眾面前。智能音箱玩家們對這款產(chǎn)品的認(rèn)識還都停留在:亞馬遜出了一款產(chǎn)品,功能類似。
新疆語音識別器