基于差别子空间的语音识别方法.ppt

2019/3/21 7
语音信号处理的应用

语音识别技术



声控应用 ：声控电话转换、声控语音拨号系统、声控 智能玩具、信息网络查询、家庭服务、宾馆服务、旅 行社服务系统、医疗服务、银行服务、股票查询服务、 工业控制等 听写机 ：声控打字机 自动口语翻译 ：将口语识别技术、机器翻译技术、语 音合成技术等结合，可将一种语言输入的语音翻译为 另一种语言的语音输出，实现跨语言的交流 广播新闻的自动文摘技术、自动誊写技术
2019/3/21
11
语音信号处理产品情况-国内（截至2004）
2019/3/21
12
语音信号处理研究热点



网络话者识别技术 音频信息检索 自动文摘、自动誊写 情感语音处理 多语种自动口语翻译 鸡尾酒会效应—Robust语音识别技术研究
2019/3/21
13
Robust语音识别国内外研究现状

语音合成技术



2019/3/21
9
语音信号处理的应用

语音编码技术




语音通信数字化：数字通信系统、移动无线通 信、保密语音通信等 呼叫服务：如数字录音电话、语音信箱、电子 留言簿等 网络语音通信：IP电话，网络聊天 手持设备，嵌入式应用：声控拨号
2019/3/21
10
语音信号处理产品情况-国外（截至2004）
2019/3/21
6
语音信号处理的领域—其他




音频信息检索-多媒体，哼唱检索，广告 监播 语音训练与校正—计算机辅助语言学习 （Computer-Aided Language Learning， 简称CALL） 语种识别（Language Identification）应用于多语言语音识别的前端处理 基于语音的情感处理研究 嵌入式的语音识别技术
2019/3/21
8
语音信号处理的应用
说话人识别技术



安全加密、银行信息电话查询服务 公安机关破案和法庭取证
公共交通中的自动报站、各种场合的自动报时、自动告警、电话 自动查询服务、文本校对中的语音提示等 电信声讯服务领域的智能电话查询系统 ，查询一些动态信息，如 股票、成绩、节目、热点问题、机场、车站、购物、市场、售后 服务等信息 用于基于微型机的办公、教学、娱乐等智能多媒体软件，如文稿 校对、语音学习（帮助外国人、残疾人、儿童等学习语言）、语 音秘书、语音书籍、教学软件、语音玩具等。 文本朗读，有声新闻，语音合成技术与机器翻译技术相结合，可 以实现语音翻译；与图像技术相结合，可以输出视觉语音（visual speech）
国外： 噪声下的语音识别: 开始于上个世纪七十年代 著名的研究者: R. Stern, J.H.L Hansen, Hermansky 等。 语音变异的研究: 开始于上个世纪八十年代末 著名的研究者有Hansen , Teager, Lippmann等。 国内： 噪声下语音识别：开始于上个世纪八十年代初 主要研究者：清华大学、声学所、上海交大、南京大学、 哈工大等 语音变异的研究：开始于上个世纪八十年代中期 主要研究者：声学所、清华大学、东南大学、哈工大等
2019/3/21 5
语音信号处理的领域—说话人识别




起源：在第二次世界大战期间，美国国防部向贝尔实验室提 出的课题。 说话人识别研究的早期工作，主要集中在人耳听辨实验方面。 话者识别技术按其识别任务可以分为两类：话者辨认 （Speaker Identification）和话者确认（Speaker Verification）。 根据识别对象的不同，还可将话者识别分为三类，即与文本 有关（Text–Dependent）、与文本无关（TextIndependent）和文本提示型（Text-Prompted）。 AT&T应用说话人识别技术研制出了智慧卡，已应用于自动提 款机。欧洲电信联盟于1998年完成了CAVE计划，在电信网上 进行说话人识别。 海湾战争，萨达姆讲话
2019/3/21 4
语音信号处理的领域—语音编码




起源于1939年Dudley发明的声码器 20世纪70年代起,国外开始研究计算机网络上的语音通信， 当时主要是基于ARPANET网络平台进行的研究和实验， 线性预测编码LPC,数码率3.5kb/s 80年代的研究主要集中在局域网上的语音通信，因为带 宽可达Mb/s量级的价格较为低廉的以太网的出现，英国 剑桥大学于1982年在10Mb/s的剑桥环形网上进行,LPC10,数 技术的发展，IP分组语音通信技术获得了突破性的进展 和实际应用，最初在网络游戏等软件包中传送和存储语 音信息，90年代中期开始，实现局域网内PC间的语音通 信以及经PBX和外界电话的通信，VoIP(IP电话) G.723.1,G.729等,有的算法最低数码率可达 1.2kb/s以 下
基于差别子空间的 语音识别方法
吕成国 黑龙江大学计算机科学技术学院
2009年10月16日
报告主要内容


语音信号处理的领域介绍
Robust语音识别的研究方法


基于差别子空间的语音识别方法
语音信号处理的系统演示
2019/3/21
2
语音信号处理的领域—语音识别



起源于上个世纪五十年代 七十年代初—Itakura(日本)提出DTW(Dynamic Time Warping), CMU—Hearsay-II，Harpy 八十年代初—矢量量化技术(Vector Quantization)，HMM(Hidden Markov Model)—把声学-语言学-句法等统计知识集中 在一个统一框架中，CMU—SPHINX系统，采用 VQ/HMM 九十年代—ANN(Artificial Neural Network), ANN和HMM相结合，1997，IBM-Viavoice
2019/3/21 3
语音信号处理的领域—语音合成




起源：1835年由W.von Kempelen发明，经威斯顿改进的 机械式的会讲话的机器。 20世纪70年代末TTS(Text to Speech)——用最基本的语音 单元（如音节或半音节）作为合成单元，通过拼接进行合 成 80年代，D.Klatt设计的串/并联混合型共振峰合成器 ，可 以产生七种不同音色的语音，包括模拟不同年龄、性别和 个性的说话人的语音 90年代末，日本的研究者提出了一种多样本、不等长语音 拼接合成技术PSOLA，在语音库中存放了大量的真人语音 样本，通过选择合适的拼接语音片段来实现高质量的合成 语音。 目前，语音合成产品具有很高的可懂度，自然度还不尽人 意