语音识别 之 概论

最新推荐文章于 2026-04-03 10:46:11 发布
原创 最新推荐文章于 2026-04-03 10:46:11 发布 · 230 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文介绍了几种主流的语音识别建模方法，包括基于模板匹配的DTW算法，用于解决不同长度语音信号间的匹配问题；GMM-HMM虽然被广泛讨论但未详细展开；此外还介绍了DNN-HMM及端到端(E2E)模型，这些方法推动了语音识别技术的发展。

语音识别建模方法

DTW，模板匹配，实现两个不等长的语音的匹配，将语音匹配相似度问题转换为最优路径的问题。

GMM-HMM，都快说烂了，不写了。

DNN-HMM，

端到端，E2E模型，

assignment-speech-recognition:2018Spring-CSIE4031(语音辨识导论, Introduction to Speech Recognition) assignment
04-29
作业语音识别 NYUST（Yuntech）2018 / Spring- CSIE4031 （语音识别导论，语音识别简介）的分配。 文件夹 描述 HW02 反转音频信号以对其进行加密。 HW03 实施绝对缩放归一化。 HW05 观察并绘制间距标记。 HW07 记录无声辅音/p/和元音/a/ ，然后观察并画出它们的区别。 HW08 预加重高通滤波器。 HW09 使用绝对和和对数平方和来计算音频音量。 HW11 端点检测（时域）。 12号 离散隐马尔可夫模型（HMM）：正向和反向算法。 HW13 离散隐马尔可夫模型（HMM）：Viterbi算法。 期中项目 离散隐马尔可夫模型（HMM）：训练算法。 HW15 使用SRLIM fix注音文，创建ZhuYin-utf8.map 。 HW16 动态时间规整（DTW）的实现。 最终项目 HTK实现数字语音识别
自然语言处理之语音识别：深度神经网络（DNN）概论
zhubeibei168的博客
10-16 991
自然语言处理（Natural Language Processing, NLP）是人工智能领域的一个重要分支，它关注如何使计算机能够理解、解释和生成人类语言。NLP的应用广泛，包括文本分类、情感分析、机器翻译等。在NLP的早期，主要依赖于基于规则的方法和统计模型，但近年来，深度学习技术，尤其是深度神经网络（Deep Neural Networks, DNN），因其强大的特征学习能力和模型表达能力，已成为NLP领域的主流技术。
语音识别 （2） 添加场景 添加词典
09-19 1084
/* 加入词典 */ void CAitalkSample::EsrAddLexicon() {  ivStatus iStatus;  iStatus = EsrLexiconInsertItem(m_hEsrObj, (ivCStrW)(L""), (ivCStrW)
语音识别（SR）的秘密
weixin_33827965的博客
08-20 349
        语音识别（SR）功能是当今国外操作系统的标准特征，而国产操作系统根本不具备这样的特质，并且国家队没有相关的主观动力。去开发实际可用的语音识别系统。与国外相比，国产操作系统落后了一大节子，怪谁？ 如何让机器识别人的语音？事实上大道理并不复杂。首先，让机器设备听懂元音，然后听懂辅音。将两者合成起来成为单词，再做进一步的处理。可是。实际做起来就复杂了...
人工智能之语音识别概述（一）
热门推荐
GUANGZHAN的专栏
09-27 1万+
1. 语音是被研究对象和基本内容 语音识别以语音为研究对象，它是语音信号处理的一个重要研究方向，是模式识别的一个分支，涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域，甚至还涉及到人的体态语言，最终目标是实现人与机器进行自然语言通信 语音识别的基本内容 语音识别的定义 语音识别发展历史 语音识别系统框架 2 语音识别的定义 语音识别的定义 语音识别在狭义上有称为自动语音识别（Automatic Speech Recognition，ASR），它本质上是一种人机交互方式，就是让计算机通过识别
语音识别概论
iibrg的专栏
12-15 232
server最佳 ailab-test-20170421  ailab-test-20170615  ailab-test-600  command-20170607  huiting-test-1000  qqmusic-test-1142 6.10    4.95    6.39    4.78    4.65    22.26    5.37    8.19 1 调整labels.cou...
语音识别原理与应用 洪青阳 第一章 概论
hnlg311709000526的博客
10-24 4637
第一章 语音识别概论 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）、隐马尔科夫模型（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。 1.1 语音的产生和感
1.从零开始语音识别之概论
最新发布
kakaccys的博客
04-03 232
本文介绍了语音识别(ASR)的基本流程和关键技术。主要包括三大步骤：声学前端处理（生成MFCC/Fbank频谱图）、声学模型（预测音素或文字）和语言模型（校正识别结果）。随着硬件发展，现代模型趋向于直接预测文字以获得更高精度。文章还概述了语音识别模型的演进历程，从早期的DNN-HMM到DeepSpeech、LAS、Conformer等深度学习模型，直至大模型时代的Qwen-ASR。作者强调了解基础技术对优化语音识别模型的重要性，并指出最新模型已实现声学模型与语言模型的端到端融合。
智能系统概论——课堂实验：初级实时语音识别
weixin_45680007的博客
11-14 298
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。 conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够...
语音识别中代价函数_数位语音信号处理概论Lesson8 语音识别中的搜索算法
weixin_32307987的博客
12-22 307
前面几小节总结了语言模型、声学模型、语音信号前端处理等方面的内容，本小节主要是将前面的内容进行整合，将输入的特征转变为文本。下图是之前介绍过的语音识别系统的流程图。1.写在之前1.1 DTW(Dynamic Time Warping)在HMM大的主流语音识别系统之前，很多学者采用的是DTW(Dynamic Time Warping)技术来做语音识别，即使到了现在针对于小词汇量的孤立词识别表现不错。...
语音识别入门第一节：语音识别概述
小小莫大大爱的博客
06-30 9458
语音识别入门课程第一节：语音识别概述，简单介绍语音识别的基础内容，包括定义、重要性、挑战性等。
LSTM语音识别
cztAI的博客
08-06 5252
文章目录前言一、绪论1.1语音识别的意义1.2语音识别的现状1.3课题研究方向二、语音识别基本原理2.1发声机理2.2 识别原理2.3.3 Mel频率2.3.4 同态解卷积三、声学模型3.1隐马尔可夫模型3.2深度神经网络3.3循环神经网络四、CTC4.1 CTC解码4.2转录损耗 前言 机器学习大多数属于浅层模型（GMM、HMM等），浅层模型非线性变换能力较弱，不足以刻画复杂的语音数据（高维特征），识别性能提升非常有限，因此本课题针对声学模型GMM-HMM进行改进。由于GMM的输入是单帧，忽视了协同发音的
语音识别概述
李思成的博客
07-13 8883
语音是语言的声学表现形式，是人类自然的交流工具。语音识别（Automatic Speech Recognition, ASR 或 Speech to Text, STT）是将语音转换为文本的任务。其主要目标是解决机器“听清”问题，处理声学和（部分）语言上的混淆，确保每个人的语音都能被正确识别为文本。
【语音识别】语音识别技术入门
小哲的博客
01-24 9618
语音识别入门什么是语音 什么是语音 语音是语言的声学表现形式，是人类自然的交流工具，例如语音通信、人机语音交互。 相关概念有： 声学Acoustics 音频Audio 语音Speech 音频 采样率、量化位数、通道数 16KHZ，16bit，Mono 8KHZ，8bit，Mono 16KHZ，16bit，N-Channels 语音编码、格式 参数编码、波形编码、混合编码 PCM(WAV)、MP3、SLIK… 时域 波形的振幅、频率 频域： 傅里叶分析：每个复杂的波形都可以由不同
基于Matlab的语音识别
m0_60677550的博客
08-26 8333
基于Matlab的语音识别 一、引言 语音识别技术是让计算机识别一些语音信号，并把语音信号转换成相应的文本或者命令的一种高科技技术。语音识别技术所涉及的领域非常广泛，包括信号处理、模式识别、人工智能等技术。近年来已经从实验室开始走向市场，渗透到家电、通信、医疗、消费电子产品等各个领域，让人们的生活更加方便。语音识别系统的分类有三种依据:词汇量大小，对说话人说话方式的要求和...
Unity语音识别(百度AI长语句语音识别&Unity原生短语语音识别)
weixin_43778515的博客
02-18 5858
Unity语音识别[百度AI语音识别&Unity原生短语语音识别]一、百度AI语音识别1.代码块讲解2.操作流程3.主要功能完整代码二、Unity原生语音识别主要功能完整代码三、Button长按点击方法的重写1. 主要功能完整代码2.使用方法三、工程下载链接 一、百度AI语音识别 1.代码块讲解 （1）首先，初始化一些常量信息，我们在这个工程中需要API Key、Secret Key,这些会在下面流程中讲到，并通过这两个key获取URL请求地址中的Token参数，用于对百度AI语音识别API进行请求
语音识别技术构架
为实现四个现代化奋斗
05-06 9139
转自：https://coffee.pmcaff.com/article/1055672606603392/pmcaff?utm_source=forum&from=search 很好的一篇文章，没有任何公式，但是把语音识别的技术框架说的很清楚，适合刚接触语音识别的小伙伴看一下。我转来备份一下。 语音交互将会成为新的入口，也是各大公司务必争夺的资源之一，资源是指数据，不是技术，因为技术...
语音识别——使用Vosk进行语音识别
专注音视频底层算法与工程实现，深入解析数字信号处理。深入研究WebRTC 3A、多麦声源定位、vad、语音识别等技术
10-21 1万+
如何编译Vosk请参照之前的文章，ubuntu编译kaldi和voskVosk是语音识别开源框架，支持二十+种语言 - 中文，英语，印度英语，德语，法语，西班牙语，葡萄牙语，俄语，土耳其语，越南语，意大利语，荷兰人，加泰罗尼亚语，阿拉伯, 希腊语, 波斯语, 菲律宾语，乌克兰语, 哈萨克语, 瑞典语, 日语, 世界语, 印地语, 捷克语, 波兰语, 乌兹别克语, 韩国语, 塔吉克语。并且支持设备上离线语音识别 ，包括Raspberry Pi，Android，iOS等，API接口简单，并且有多种语言支持。
Android——百度语音识别
莫谈天下
10-09 1万+
最近搞了一些关于语音的开发，我做的项目使用的讯飞的语音识别，但是有一个问题是讯飞的语音唤醒和离线语音合成是收费的，并且费用还不低，对于一般的小公司或者个人开发的小APP，还是很有压力的。百度语音识别的效果整体还不错，并且是免费的，很适合个人开发的APP，我这里先给大家简单介绍一下关于百度语音识别的开发，如果时间如许的情况下，我会把这两个平台的语音识别都给大家介绍一下。 现在我们开始吧！！ 这是
Android语音识别
移动平台应用软件开发技术
04-04 9867
作者： 严煜华        语音识别技术在手机上应用得相当广泛，人类日常最频繁的沟通方式是语音，而在手机应用中，大部分是通过硬件手动输入，目前这依然是主要与手机互动的方式。但是随着手机软硬件功能的不断提升，可以预见在不久的将来，语音交流将是人机交互的主要方式。IPhone手机内置的Siri语音助手就是一个很好的例子。而鲜为人知的是其使用的语音识别技术来自于Google。而想而知，作为G
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值