自动语音识别

摘要： 为了解决非英语母语学习者在语音识别中出现的语法错误问题,提出了基于神经机器翻译的语法错误检测语音识别中的语言模型。将构建的语言模型与传统的语言模型进行了比较,分析了该语言模型算法在语法错误检测中的性能。结果显示,由于神经机器翻译具有特定的内部结构,可以结合上下文信息进行语音识别,神经机器翻译模型可以更好地进行语法错误检测。通过比较不同语言模型结果,该方法比基于规则的方法有显著优势,神经机器翻译语言模型的精度、召回率、F值分别为0.54、0.52、0.53,证明了该模型具有较好的性能。

摘要： 我们正处在以智能制造为主导的第四次工业革命的浪潮中,随着人工智能、信息技术、生物技术等新兴技术的兴起,制造业进入到了全面智能化转型时期。如何让机器设备变得更加智能,为人类提供更舒适便捷的服务,就成为人们不断探索的课题。语言交流是人与人沟通的基础,自然而然地,智能语音就成为人与机器交互的一个重要载体。在智能电视领域,随着技术升级和应用场景的不断拓展,智能语音已经成为智能电视的核心能力之一,在人机交互中占据了越来越重要的地位。为了提升语音整体性能及业务能力,各大厂家不再满足于第三方语音技术方案提供的整套服务,开始加大对智能语音全链路的研发投入,以便对语音功能有更多优化和选择的空间。而在智能语音的整个链路中,云端控制和决策能力又是至关重要的一环,所以搭建私有化中控平台,成为各大厂家优先选择的方案。

摘要： 为提高智能电网调度控制系统中语音识别的准确性,提出一种基于格拉姆角场(Gramian Angular Field,GAF)和深度残差网络(Deep Residual Network,DRN)的电力调度语音识别方法。首先利用GAF中的格拉姆角差场和格拉姆角和场两种方法将一维时间序列语音信号转化为二维特征图像;然后采用DRN对语音信号的二维特征图像进行特征提取和识别模型建立。采用实际电力调度语音信号对模型进行训练及测试,结果表明,该模型可有效识别电力调度语音,识别准确率超过99%。

摘要： 随着媒体深度融合不断推进,各类新兴媒体持续涌现、遍地开花,广播电视内容监测从传统的广播、电视频道监测扩展到了互联网新兴媒体视听内容.海量、多元的互联网视听内容给监测监管工作带来了巨大的挑战,如何适应这一新形势是各级监管机构面临的共性问题.本文旨在探讨将自动语音识别和智能语义分析技术结合起来应用到监测监管工作中的可行性及优势.

摘要： 为了降低自动语音识别中深度学习的训练成本,提出了一种有效的基于梯度的主动学习询问策略.主动学习是通过一定算法查询出最"有用"的数据,并交给专家标记这些子集的过程,其关键是如何正确选择出"有价值"的样本集.根据预备实验结果,在理想状态下,真实的梯度长度可以最大程度地衡量样本信息量,提出了同时使用不确定性策略和期望梯度长度策略在神经网络中去逼近真实梯度长度的算法.验证结果表明,当应用于基于音素的语音识别系统时,提出的混合策略性能优于传统单一的主动学习查询方法,在噪声和安静环境中都获得了更快的收敛速度和更多的损失抑制.

摘要： 自动语音识别技术和计算机人工智能技术的迅速发展促进了口语自动评分技术及相关软件和应用产品的快速发展。本文梳理了国内外英语口语自动评分的发展历程以及该研究领域的主要内容,指出了目前研究存在的主要问题以及未来的发展前景和研究方向,以期为我国口语自动评分研究及其应用提供思路和启示。

摘要： 自动语音识别技术和计算机人工智能技术的迅速发展促进了口语自动评分技术及相关软件和应用产品的快速发展.本文梳理了国内外英语口语自动评分的发展历程以及该研究领域的主要内容,指出了目前研究存在的主要问题以及未来的发展前景和研究方向,以期为我国口语自动评分研究及其应用提供思路和启示.

摘要： 苏州有线网络智慧广电融合支撑平台,以有线网络AI智能终端为载体,引入语音识别、智能分析等先进技术和互联网生态,设计服务于苏州市域智慧业务,以探索提升有线网络传播能力、服务能力、创新能力,占领有线网络业发展的战略新高地.

摘要： 随着媒体深度融合不断推进,各类新兴媒体持续涌现、遍地开花,广播电视内容监测从传统的广播、电视频道监测扩展到了互联网新兴媒体视听内容。海量、多元的互联网视听内容给监测监管工作带来了巨大的挑战,如何适应这一新形势是各级监管机构面临的共性问题。本文旨在探讨将自动语音识别和智能语义分析技术结合起来应用到监测监管工作中的可行性及优势。

摘要： 自动语音识别(ASR)是一种将人的语音转换为文本的技术.本文介绍应用DSP技术设计的手机语音识别系统的特点、设计原则、设计流程及需要解决的问题.最后讨论DSP的选择问题.

摘要： 时域滤波作为一种噪声补偿技术可应用于自动语音识别的前端以提高系统的鲁棒性.本文研究了两种基于统计方法的时域滤波技术:1)基于主成分分析方法2)基于线性区间划分方法.通过在不同噪声条件下的非特定人汉语数字串识别实验对这两种方法的性能进行了评估,并同传统的非统计方法的时域滤波技术(如RASTA处理)作比较.

摘要： 本文给出了大数据语音语料库的社会标注策略.首先,引入了针对语音数据标注的六元组模型,将语音资源的自身特征考虑进去,并将标签对象扩展为更为广义的标记.然后,提出基于“兴趣+收获+报酬”的标注模式,并建立标注质量的三层检验机制.通过工程实现和应用,验证了本文方法在效率、质量和成本等方面都具有明显优势.

摘要： 本文给出了大数据语音语料库的社会标注策略.首先,引入了针对语音数据标注的六元组模型,将语音资源的自身特征考虑进去,并将标签对象扩展为更为广义的标记.然后,提出基于“兴趣+收获+报酬”的标注模式,并建立标注质量的三层检验机制.通过工程实现和应用,验证了本文方法在效率、质量和成本等方面都具有明显优势.

摘要： 本文给出了大数据语音语料库的社会标注策略.首先,引入了针对语音数据标注的六元组模型,将语音资源的自身特征考虑进去,并将标签对象扩展为更为广义的标记.然后,提出基于“兴趣+收获+报酬”的标注模式,并建立标注质量的三层检验机制.通过工程实现和应用,验证了本文方法在效率、质量和成本等方面都具有明显优势.

摘要： 本文给出了大数据语音语料库的社会标注策略.首先,引入了针对语音数据标注的六元组模型,将语音资源的自身特征考虑进去,并将标签对象扩展为更为广义的标记.然后,提出基于“兴趣+收获+报酬”的标注模式,并建立标注质量的三层检验机制.通过工程实现和应用,验证了本文方法在效率、质量和成本等方面都具有明显优势.

摘要： 本文针对动态扩展解码空间的大词汇量连续语音识别解码器的优化展开研究工作.在不改变识别结果的条件下,分别从声学模型似然打分,词尾语言模型得分查找,语言模型look-ahead得分计算三个方面入手,采用了SSE、GPU加速,非保序完美哈希,静态的look-ahead得分表等方法.特别地,针对静态的look-ahead得分表的方法,提出了基于文法词历史中词的联合概率进行筛选的策略.实验证明上述方法能够在一定程度上提高解码速度,综合使用上述方法,能够使得系统由2.0倍实时提高到约1.3倍实时.

摘要： 本文针对动态扩展解码空间的大词汇量连续语音识别解码器的优化展开研究工作.在不改变识别结果的条件下,分别从声学模型似然打分,词尾语言模型得分查找,语言模型look-ahead得分计算三个方面入手,采用了SSE、GPU加速,非保序完美哈希,静态的look-ahead得分表等方法.特别地,针对静态的look-ahead得分表的方法,提出了基于文法词历史中词的联合概率进行筛选的策略.实验证明上述方法能够在一定程度上提高解码速度,综合使用上述方法,能够使得系统由2.0倍实时提高到约1.3倍实时.

摘要： 本文针对动态扩展解码空间的大词汇量连续语音识别解码器的优化展开研究工作.在不改变识别结果的条件下,分别从声学模型似然打分,词尾语言模型得分查找,语言模型look-ahead得分计算三个方面入手,采用了SSE、GPU加速,非保序完美哈希,静态的look-ahead得分表等方法.特别地,针对静态的look-ahead得分表的方法,提出了基于文法词历史中词的联合概率进行筛选的策略.实验证明上述方法能够在一定程度上提高解码速度,综合使用上述方法,能够使得系统由2.0倍实时提高到约1.3倍实时.

摘要： 本文针对动态扩展解码空间的大词汇量连续语音识别解码器的优化展开研究工作.在不改变识别结果的条件下,分别从声学模型似然打分,词尾语言模型得分查找,语言模型look-ahead得分计算三个方面入手,采用了SSE、GPU加速,非保序完美哈希,静态的look-ahead得分表等方法.特别地,针对静态的look-ahead得分表的方法,提出了基于文法词历史中词的联合概率进行筛选的策略.实验证明上述方法能够在一定程度上提高解码速度,综合使用上述方法,能够使得系统由2.0倍实时提高到约1.3倍实时.

摘要： 一种用于训练多语言语音识别网络的方法包括：提供与预定语言相对应的话语数据集；在话语数据集中插入语言标识(ID)标签，其中，话语数据集中的每一个由语言ID标签中的每一个来加标签；将加标签的话语数据集级联；从话语数据集生成初始网络参数；根据预定序列选择初始网络参数；以及用一系列所选择的初始网络参数和级联的加标签的话语数据集迭代地训练端到端网络，直到训练结果达到阈值。

摘要： 本发明提供了一种名称的语音识别方法、一种名称的语音识别系统和一种名称的语音识别设备，其中，名称的语音识别方法，包括：获取所述名称的语音字符串；根据所述语音字符串创建单词查找树；判断所述单词查找树是否与预存的名称信息匹配；以及在判定所述名称信息与所述预存的名称信息匹配时向用户提示所述名称的语音识别结果。通过本发明的技术方案，提高了语音识别过程中的识别准确率和识别效率，同时，降低了对于用户发出语音指令的语调、语速和音色的要求，提升了用户的使用体验。

摘要： 发明提出了一种语音识别方法、一种语音识别系统和一种语音识别设备，其中，语音识别方法，包括：获取语音字符串；根据所述语音字符串创建语法分析树，所述语法分析树用于判断所述语音字符串是否能够被初次识别以及解析所述语音字符串中的至少一个词元的词元属性信息；根据所述初次识别的结果创建语义分析树，所述语义分析树根据解析的所述词元属性信息获取预存储属性信息以创建语音识别结果。通过本发明的技术方案，实现了对语音信息的语音和语义的准确分析，同时解决了混淆音造成的语音识别错误等问题，增强了人机语音交互设备的智能化，提升了用户的使用体验。

摘要： 本申请提供了一种语音识别方法、语音识别装置与语音识别系统。该语音识别方法包括：接收发送端发送的单通道音频数据，其中，单通道音频数据为多个角色音频数据封装得到的单通道的音频数据，角色音频数据为具有角色标记的多通道音频数据，多通道音频数据为发送端采集的音频数据；对单通道音频数据进行语音识别处理，得到各角色的语音识别文本信息。该语音识别方法中，由于发送端发送给接收端的是单通道音频数据，这样保证了音频数据在传输的过程中占用的带宽资源较少。由于接收端无需进行角色识别等等，只需对单通道音频数据进行语音识别，这样还保证了接收端的计算量较少。

摘要： 语音信号处理部(21)将车辆中就座于多个语音识别对象座位的多个搭乘者的说话语音分离成每个搭乘者的说话语音。语音识别部(22)对由语音信号处理部(21)分离得到的每个搭乘者的说话语音进行语音识别，并且计算出语音识别分值。分值利用判定部(23)使用每个搭乘者的语音识别分值，判定每个搭乘者的语音识别结果中采用与哪个搭乘者相对应的语音识别结果。

摘要： 公开了语音识别装置、语音识别方法以及语音识别程序。所述语音识别装置包括存储器和包括硬件的处理器。所述处理器被配置为提取输入的语音数据的特征，并设定在所述语音数据转变为无声状态之后的所述无声状态的持续时间。所述持续时间用于判定所述语音数据的输入已完成。

摘要： 一种用于训练多语言语音识别网络的方法包括：提供与预定语言相对应的话语数据集；在话语数据集中插入语言标识(ID)标签，其中，话语数据集中的每一个由语言ID标签中的每一个来加标签；将加标签的话语数据集级联；从话语数据集生成初始网络参数；根据预定序列选择初始网络参数；以及用一系列所选择的初始网络参数和级联的加标签的话语数据集迭代地训练端到端网络，直到训练结果达到阈值。

摘要： 为了协作地使用多个语音识别设备，语音识别设备包括：语音输入部；语音输出部；与其他语音识别设备之间进行数据收发的通信控制部；对话模式执行部，其对其他语音识别设备发送从语音输入部输入的语音数据，并从语音输出部输出从其他语音识别设备接收到的语音数据；将从语音输入部输入的语音转换为文本数据的语音识别部；从文本数据中检测对话启动热词的热词检测部，其中对话启动热词用于指示启动对话模式执行部；和对其他语音识别设备发送控制命令的命令发送部。当热词检测部检测到对话启动热词时，命令发送部对其他语音识别设备发送使该其他语音识别设备所具有的对话模式执行部启动的控制命令。

摘要： 音频模型学习装置(10)先提取表示语音数据的特征的语音特征量，基于对由神经网络表示的音频条件的计算模型赋予特征的音频条件计算模型参数，利用音频条件的计算模型而计算表示语音数据的音频条件的特征的音频条件特征量。接着，音频模型学习装置(10)生成校正后参数，该校正后参数是基于音频条件特征量而校正对结合了音频条件的计算模型的输出层的由神经网络表示的音频模型赋予特征的音频模型参数的参数。并且，音频模型学习装置(10)基于校正后参数及语音特征量而更新音频模型参数，并基于校正后参数及语音特征量而更新音频条件计算模型参数。

摘要： 一种用于分布式自动语音识别的方法使得用户能够利用一个经由通信网络与语音服务器相连的语音客户端上的浏览器向语音服务器请求音频网页。接着判断该用户的持久用户参数是否被储存在语音客户端上的可由语音服务器直接访问的参数文件中。如果没有，就在语音客户端中生成用户参数并保存到参数文件中。如果有，则由语音服务器直接从参数文件读取用户参数。在两种情况下，所述的用户参数都会被设置在语音服务器的语音识别引擎中，以实现语音客户端与语音服务器之间的音频对话。