语音辨识技术与应用.ppt

James Kuos Lecture Note 語音辨識 - 技術與應用 郭志鳴 副教授 義守大學 電子系 jmkuo@dsp01.isu.edu.tw * * 內容 1. 簡介 2. 端點偵測 3. 發音原理 4. 聽覺系統 5. 辨識技術 6. 應用領域 7. 結語 1. 簡介 語音交談為人類交換訊息最方便的方式。 語音辨識的主要目的在提供人性化的操作介面。 目前的技術已經逐漸成熟，商品化產品陸續出現 應用：讀寫機、語音查詢、聲控家電、... 目的： 語音辨識器的分類 按照辨識字彙的多寡： 少量字彙(數百字)、 中量字彙(數千字)、 大量字彙(數萬字) 按照使用對象： 特定對象(Speaker Dependent)、 不特定對象(Speaker Independent) 按照使用方式： 不連續語音辨識、 連續語音辨識 語音辨識的困難 語音訊號的差異性大(說話速度、習慣、生理狀況、性別、年齡、地域等) 語音訊號分段的困難 辨識率易受背景雜訊的影響 辨識模型複雜度高 語音訊號的變異性 女聲 男聲 / No Rush/ 語音辨識系統基本方塊圖 前置處理 (Pre-processing) 特徵擷取 (Feature Extraction) 辨識 (Decoding) 辨識模型或樣板 語言模型 Pre-amplifying Speech/Silence Segmentation Spectral or Cepstral Features Pitch Contour Dynamic Time Warping Hidden Markov Models Grammar Syntatics 語音訊號 辨識結果 語言模型的用途 2. 端點偵測 決定訊號中語音段的起始點與結束點。 3. 發音原理 發音器官： 聲帶振動與否，決定產生濁音或清音。 發音器官的模型 全極點模型 語音訊號 雜訊 脈衝串列 共振腔 T 音高周期 音高頻率的估算 中文聲調的產生 (I) 台語八音 韻母段音高頻率隨時間的變化趨勢 中文聲調的產生 (II) 語音訊號的線性預測模型 發音模型 預測模型 語音訊號 雜訊 雜訊 發音模型的參數可由預測模型的參數來估算 4. 聽覺系統 外耳 中耳 內耳 內耳模型與特徵擷取 帶通濾波器 #1 能量估算 帶通濾波器 #2 能量估算 帶通濾波器 #M 能量估算 語音訊號 帶通濾波器的功能(I) 語音訊號可分解為許多不同頻率的正弦波成份。 帶通濾波器的功能(II) 語音訊號的各頻率組成分別由不同的帶通濾波器穿過。 #14 頻率 增益 1861~2139Hz 頻譜特徵圖(Spectrogram) 頻帶 時間順序 特徵向量 記錄各頻帶能量估算值 5. 辨識技術 最常使用的語音辨識技術： 動態時間軸校準(Dyanmic Time Warping) 隱藏式馬可夫模型(Hidden Markov Model)