人工智能应用概论（第2版） 课件 第5、6章 ：智能语音、 自然语言处理.pptx

第五章智能语音《人工智能应用概论（第2版）》RengongZhinengYingyongGailun“十四五”广西壮族自治区职业教育规划教材新编21世纪高等职业教育精品教材·通识课系列

Part0101智能语音介绍Part0202智能语音技术应用Part0303智能语音体验目录content

[课程导入】“智能问答机器人”基于深度学习的自然语言处理（NLP）技术，帮助提升客服体验及服务效率，实现24小时无须等候智能服务，通过上下文多轮问答，实现用户问题解决率超90%；“AI外呼机器人”通过自研语音技术（TTS）的植入，实现个性化拟人声音服务，人机交流更亲切自然；【思考题】机器是如何实现识别人类说话，将语音转换成文字的？

Part01智能语音介绍

5.1智能语音技术概况除了语音导航、智能音箱、语音输入法等我们日常生活中的常见应用场景，只要把语音识别理解成“获取人类语言中的信息”，把语音合成理解成“让人类通过声音获取信息”，再把声纹识别、关键词唤醒等理解成可供选择的“功能”，将它们与不同载体、场景结合，就会形成各种各样的产品。

5.1.1语音识别语音识别让机器识别人说出的话，即将语音转换成相应的文本内容（见图5-1），然后根据内容信息执行人的某种意图。语音识别又称言语识别，这项任务涉及将输入声学信号与存储在计算机内存的词表（语音、音节、词等）相匹配，而匹配个别语词的标准技术则要用输入信号与预存的波形（或波形特征/参数）相比较（模型匹配），相当于给机器装上了“耳朵”。

5.1.1语音识别语音识别让机器识别人说出的话，即将语音转换成相应的文本内容（见图5-1），然后根据内容信息执行人的某种意图。语音识别又称言语识别，这项任务涉及将输入声学信号与存储在计算机内存的词表（语音、音节、词等）相匹配，而匹配个别语词的标准技术则要用输入信号与预存的波形（或波形特征/参数）相比较（模型匹配），相当于给机器装上了“耳朵”。

5.1.1语音识别语音识别系统本质上是一种模式识别系统，包括特征提取、模式匹配、参考模型库等三个基本单元，它的基本结构如下图所示：

5.1.1语音识别声学模型在进行语音识别之前我们要做不少准备工作。先用大量声音数据训练一个声学模型（见图5-3），用来将声音转换为声学符号。我们将要识别的语音按照一定时间间隔切割成彼此重叠、很小很小的段落，再通过声学模型将这些小片段识别成对应的语音状态。这些语音状态是声母、韵母的组成部分，能很好地对语音进行描述。

5.1.1语音识别语言模型（LanguageModel，简称LM）是一个用于建模自然语言（即人们日常使用的语言）的概率模型。简单来说，语言模型的任务是评估一个给定的词序列（即一个句子）在真实世界中出现的概率。

5.1.2语音合成语音合成（TexttoSpeech，TTS）技术，又称文语转换技术，能将任意文字信息实时转化为标准流畅的语音朗读出来，相当于给机器装上了人工嘴巴（见图5-6）。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，是信息处理领域的一项前沿技术，解决的主要问题就是如何将文字信息转化为可听的声音信息，即让机器像人一样开口说话。

5.1.3声纹识别人们可以靠声音判断对方是谁，声音同样可以被用来证明“你是你”.和面容、指纹一样，人类的发声器官千差万别，发出的声音也不尽相同（见图5-10）。人声的这种特质被称为声纹（见图5-11）。

5.1.3声纹识别事实上，录制和播放的过程会让声音衰减失真，与真人的声音相差甚远，很容易鉴别。或者干脆从产品设计层面出发，要求用户在规定时间内说出一组随机数字，或者与人脸识别、指纹识别等其他识别手段相结合，从而提升安全性（见图5-15）.

Part02智能语音技术应用

5.2智能语音技术应用除了语音导航、智能音箱、语音输入法等我们日常生活中的常见应用场景，只要把语音识别理解成“获取人类语言中的信息”，把语音合成理解成“让人类通过声音获取信息”，再把声纹识别、关键词唤醒等理解成可供选择的“功能”，将它们与不同载体、场景结合，就会形成各种各样的产品。

5.2.1酒店虚拟前台酒店前台工作人员每天都要拨打和接听大量的电话，经常出现接打不及时、处理问题没耐心、影响现场接待和客房周转等问题。基于人工智能技术的酒店虚拟前台可以实现前台电话智能接打，能够自动完成酒店的到店确认、退房确认、咨询和客需服务等工作，可同时接打多人电话，瞬间完成业务处理，实现全程无人化，带来高效智能的前台服务，从而提升前台业务效率，提高客房周转能力，解决人手不足和成本攀升等问题。

5.2.2语音质检考虑到复杂业务