AI人工智能 語音識別

在本章中，我們將學習使用 AI 和 Python 進行語音識別。 言語是成人人際溝通的最基本手段。 語音處理的基本目標是提供人與機器之間的交互。 語音處理系統(tǒng)主要有三項任務 -

• 首先，語音識別允許機器捕捉我們所說的單詞，短語和句子
• 其次，自然語言處理使機器能夠理解我們所說的話
• 第三，語音合成允許機器說話。

本章重點講述語音識別，理解人類說話的過程。 請記住，在麥克風的幫助下捕捉語音信號，然后系統(tǒng)才能理解它。

構建語音識別器

語音識別或自動語音識別(ASR)是 AI 機器人等 AI 項目的關注焦點。 沒有 ASR，就不可能想象一個認知機器人與人進行交互。 但是，構建語音識別器并不容易。

開發(fā)語音識別系統(tǒng)的困難 開發(fā)高質量的語音識別系統(tǒng)確實是一個難題。 語音識別技術的困難可以廣泛地表征為如下所討論的許多維度 -

• 詞匯大小

- 詞匯大小影響開發(fā) ASR 的難易程度。考慮以下詞匯量以便更好地理解。

• 例如，在一個語音菜單系統(tǒng)中，一個小詞匯由 2 到 100 個單詞組成
• 例如，在數據庫檢索任務中，中等大小的詞匯包含幾個 100 到 1000 個單詞
• 一個大的詞匯由幾萬個單詞組成，如在一般的聽寫任務中。

• 信道特性 - 信道質量也是一個重要的維度。 例如，人類語音包含全頻率范圍的高帶寬，而電話語音包含頻率范圍有限的低帶寬。 請注意，后者更難。

• 說話模式 - 輕松開發(fā) ASR 還取決于說話模式，即語音是處于孤立詞模式還是連接詞模式，還是處于連續(xù)語音模式。 請注意，連續(xù)說話很難辨認。

• 口語風格 - 閱讀說話可以采用正式風格，也可以采用自發(fā)風格和對話風格。 后者更難以識別。

• 揚聲器依賴性 - 語音可以依賴揚聲器，揚聲器自適應或揚聲器獨立。 獨立發(fā)言人是最難建立的。

• 噪音類型

- 噪音是開發(fā) ASR 時需要考慮的另一個因素。 信噪比可以在各種范圍內，這取決于觀察較少的聲學環(huán)境與較多的背景噪聲 -

• 如果信噪比大于30dB，則認為是高范圍
• 如果信噪比在 30dB 到 10db 之間，則認為是中等信噪比
• 如果信噪比小于 10dB，則認為是低范圍

• 麥克風特性 - 麥克風的質量可能很好，平均水平或低于平均水平。 此外，嘴和微型電話之間的距離可能會有所不同。 識別系統(tǒng)也應考慮這些因素。

盡管存在這些困難，研究人員在語音的各個方面做了很多工作，例如理解語音信號，說話人以及識別口音。

所以，需要按照以下步驟構建語音識別器 -