AI前言技术,一文带你深入了解语音识别的前世今生

2021年9月9日 1点热度 0条评论 来源: 文宇肃然

导读:语音识别是一门综合性学科,涉及的领域非常广泛,包括声学、语音学、语言学、信号处理、概率统计、信息论、模式识别和深度学习等。语音识别的基础理论包括语音的产生和感知过程、语音信号基础知识、语音特征提取等,关键技术包括高斯混合模型 ( Gaussian Mixture Model,GMM )、隐马尔可夫模型 ( Hidden Markov Model,HMM )、深度神经网络 ( Deep Neural Network,DNN ),以及基于这些模型形成的GMM-HMM、DNN-HMM和端到端 ( End-to-End,E2E ) 系统。语言模型和解码器也非常关键,直接影响语音识别实际应用的效果。

为了让大家更好地理解语音信号的特性,接下来我们首先介绍语音的产生和感知机制。

01

语音的产生和感知

如图1-1所示,人的发音器官包括:肺、气管、声带、喉、咽、鼻腔、口腔和唇。肺部产生的气流冲击声带,产生振动。声带每开启和闭合一次的时间是一个基音周期 ( Pitch period ) T,其倒数为基音频率 ( F0=1/T,基频 ),范围在70Hz~450Hz。基频越高,声音越尖细,如小孩的声音比大人尖,就是因为其基频更高。基频随时间的变化,也反映声调的变化。

    原文作者:文宇肃然
    原文地址: https://blog.csdn.net/wenyusuran/article/details/108388093
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系管理员进行删除。