语音处理

摘要： 铁路企业现有的规章制度和工作审批流程存在很多理解和执行方面的问题,在一定程度上影响了工作效率和服务质量,也增加了管理部门人员工作量和物力的投入。如何改善铁路企业内部管理部门与业务部门的沟通机制是目前亟需解决的问题。通过研究智能语义语音分析模型,并利用该技术构建了一套高可配置及高可扩展性的新型智能问询平台,通过Web、App等各类渠道,集中管理制度,统一问询出口,有效地节约管理部门人力成本,快速响应问询,实现全时段服务,增强企业效能,提高员工工作效率。

摘要： 介绍了基于RP2040和机器学习开发的一款可以实现语音控制的语音识别设备,开发过程中将微控制器和机器学习进行结合。主要讲解了语音识别设备的语音控制模块开发过程中语音信号的处理、模型的搭建与训练等内容,其中语音信号主要采用傅里叶变换进行处理,模型的搭建过程中参考数据的处理与载有RP2040芯片的树莓派Pico的容量进行调整,完成语音信号的处理训练,最终预测正确率高达98%,较好地实现了语音控制的开发。

摘要： 语音是人类最常用最有效的交流工具。随着人类进入信息化时代,用计算机处理语音信息成为一种趋势。语音信号处理技术在基于语音的信息检索、语音识别、语种识别、说话人识别,以及基于语音的情感处理等方面都有广泛的应用前景。wav音频波形格式的文件是常用的一种语音文件格式,语音信号处理可以是频域的,也可以是时域的,语音信号滤波可以在时域实现,也可以在频域实现。

摘要： 合唱艺术作为语言与音乐的高度结合体,语言是歌唱的基础,也是歌唱艺术表现力的重要依据。合唱工作者作为此艺术的承载者,对优化处理语言与音乐的关系,对于提高合唱音乐作品本身的表现力有着关键作用。完美地呈现一部合唱作品离不开清晰动人的语言表达,结合语音的起承转合,优秀且经典的作品在音乐最终的呈现上更是文本的美化和升华。合唱作品在音乐历史的发展中,逐渐变得多元化,所以,如何深究歌词文本中所代表的文化的同时,正确处理语言中的表述过程,咬字状态及字与音的关系,是合唱作品能更完美地被演绎的先决条件。合唱音乐中,歌词的处理要求和方法在绝大多数情况下,除无词歌以外,是需要和音乐的处理要求和方法保持高度紧密的联系的。在合唱音乐的艺术表现力上,语言通过不同的分类,结合音乐不同的元素,从而紧密连接成一种特殊的表述方式。而合唱作为多声部复合人声的、多层次表演艺术,语言的表述和文字内涵的统一理解认知,是对多人统一体现一部作品的关键。由于合唱团员作为表演者对于语言的独特性,以及对文字理解的多样性,对于作品中语言结构及文字内涵的剖析,是统一处理的常用手段。

摘要： 数字语音处理是采用数字化的方法,对语音的传送、存储、识别、编码等进行数字化处理,涉及多个学科,广泛应用于数字通信、语言学习、自动翻译、人工智能等多个领域。滤波器在数字信号处理中发挥着重要作用。设计一个低通滤波器,对语音信号进行滤波,以获得语音信号的低频分量。

摘要： 针对语音通信系统中由于干扰、音频源不稳定等因素导致的接收端语音突变或响度不一致的问题,提出一种变步长最小均方误差自适应增益控制(VSSLMS-AGC,variable step size least mean square-adaptive gain control)新方案.该方案首先利用指数加权移动平均记录历史梯度信息,以此来调节最小均方误差算法的步长,使算法收敛速度更快,稳态误差更小;然后将变步长思想运用到自动增益控制中,确保能够自适应地调节语音增益值,使原先幅值不一的音频信号输出范围恒定且不失原有的特性,降低语音落差,改善听觉感受.

摘要： 为了提高小学生编程学习的便捷性和趣味性,设计并实现了一种面向小学生的嵌入式开发平台.首先,以SOM-RK3399为核心,通过集成语音处理模块、STM32控制模块和各种外设等,完成了一种面向小学生的嵌入式开发硬件平台.其次,搭载支持Scratch软件的Linux系统,构建了基于语音识别与微机控制的操作环境.最后,基于所设计的嵌入式开发平台,设计了"语音智能点灯"和"Scratch编程控制风扇"等编程案例.实验结果表明,平台性能良好,操作环境简单,编程案例可扩展性强,有助于小学生的编程学习,具有良好的实用价值.

摘要： 针对当前的翻译系统由于缺乏对语义的充分理解,导致翻译质量不高的问题.文中设计一种基于语义分析的交互式口语机译翻译系统.该系统先通过语音采集,将源语音转换为文本形式,然后对源语言文本进行语义分析,并结合标准语言与逻辑顺序进行语句重组,然后按照文本翻译方式将其翻译为目标语言文本,再将文本转换为目标语言语音形式播放出去,实现口语跨语言交互.实验结果表明:利用所设计系统对两组示例(英译汉、汉译英)进行交互翻译后,通过专家评定,认为所设计系统翻译的语句质量较高,基本满足了人们日常口语交流对话所需.

摘要： 语音处理被认为是患有阅读障碍儿童的核心缺陷区域,在左半球颞顶区域观察到患有阅读障碍的儿童在语音任务处理期间脑活化减少。音乐训练与语音处理能力呈正相关,但这种关系背后的神经机制尚未明确。相比之下,受过音乐训练的儿童与未经音乐训练的儿童相比,在颞顶区域表现出更大的双侧激活。因此,音乐训练与左半球区域的双侧激活增强相关联,且该区域对于阅读非常重要。已有研究证明,音乐训练可以促进双侧代偿神经网络的发展,这有助于在左半球颞顶区域中具有非典型功能的儿童。本文在阅读障碍与语音处理的特定脑区异常相关研究的基础上,结合目前音乐训练对阅读障碍的影响研究,着重从音乐训练诱发神经可塑性、音乐训练增强阅读障碍儿童的神经相关性两个方面,就音乐训练对阅读障碍儿童语音处理的特定脑区异常的神经可塑性研究进行了综述。

摘要： 语音处理是人工智能应用的主要领域之一。语音处理是指用以研究语音发声过程、语音信号的统计特性、语音的自动识别、机器合成以及语音感知等各种处理技术的总称。该文以专利文献为分析对象,从专利申请趋势、专利布局国家/地区、专利申请机构、有效专利、近三年专利、四方专利六个角度对人工智能语音处理及其典型技术分支进行分析,揭示全球人工智能语音专利技术布局态势和竞争格局,以期为我国人工智能及语音处理技术研发布局提供情报参考和支撑。研究发现:全球语音处理技术专利布局整体呈现增长态势,我国在语音处理专利量上具有优势,但是专利布局主要围绕本国保护,海外专利布局方面距离美、日、韩等国家还有一定差距。

摘要： 低信噪比环境下语音的端点检测在语音处理中占有十分重要的地位.对于一个受到加性噪声污染的语音信号通常采用滤波的方式,能够抑制噪声,并使原始语音保持相对不变.提出了一种基于最小均方误差(LMS)自适应滤波减噪与改进的双门限语音端点检测算法,在进行双参数双门限法端点检测的前后进行双重中值滤波平滑处理.通过Matlab仿真,将提出的语音端点检测方法与其它的方法进行对比,在信噪比较低的噪声环境下使得语音的端点检测效果具有更优的准确率与稳健性.

摘要： 目前人工智能已经被Google、Facebook、IBM、百度、NEC以及其他互联网公司广泛使用,来进行图像和语音处理.从AlphaGo(阿尔法围棋)说起,探讨当前人工智能领域的最近热点与应用,分析了人工智能在中国移动的应用案例.

摘要： 本文综合运用计算机控制、语音处理技术等技术设计制作的"直升机语音检查单",能自动根据直升机的工作状态,语音提醒机组成员各系统的检查项目、检查顺序,克服读卡操作费时、费力、效率低、易漏项等问题,提高了安全检查的主动性和工作效率,运用技术手段避免了漏项或因疏忽大意跳读检查单带来的事故隐患,提高了安全保障水平和军队的战斗能力，并详细阐述了语音检查单的硬件电路，语音录制与存储，软件流程设计。

摘要： 用逻辑语言USR(Underspecified Semantic Representation)来表示把仅依赖语言学知识不能理解的部分留空,而不是枚举所有可能的语义会话意义理解结合语境信息,做指代和省略消解结合语境信息,推理出会话含义结合语境信息,对候选字面意义重新排序.

摘要： 用逻辑语言USR(Underspecified Semantic Representation)来表示把仅依赖语言学知识不能理解的部分留空,而不是枚举所有可能的语义会话意义理解结合语境信息,做指代和省略消解结合语境信息,推理出会话含义结合语境信息,对候选字面意义重新排序.

摘要： 用逻辑语言USR(Underspecified Semantic Representation)来表示把仅依赖语言学知识不能理解的部分留空,而不是枚举所有可能的语义会话意义理解结合语境信息,做指代和省略消解结合语境信息,推理出会话含义结合语境信息,对候选字面意义重新排序.

摘要： 用逻辑语言USR(Underspecified Semantic Representation)来表示把仅依赖语言学知识不能理解的部分留空,而不是枚举所有可能的语义会话意义理解结合语境信息,做指代和省略消解结合语境信息,推理出会话含义结合语境信息,对候选字面意义重新排序.

摘要： 本文提出了一种基于深度卷积神经网络的语音参数合成器,用以实现从倒谱、基频等语音声学特征中重构语音波形信号.该合成器基于WaveNet模型进行构建,使用深度扩张因果卷积神经网络对每个采样点波形幅度的条件概率分布进行建模,其条件包括了历史波形信息以及当前采样点对应的输入声学特征.在训练阶段,使用特定说话人的语音数据库进行模型参数的估计.在合成阶段,基于每个采样点的条件概率分布进行语音波形的逐点采样生成.实验结果表明,在输入自然声学参数以及由统计参数语音合成系统预测的声学参数情况下,该参数合成器均能够取得优于STRAIGHT合成器的生成语音质量.

摘要： 本文提出了一种基于深度卷积神经网络的语音参数合成器,用以实现从倒谱、基频等语音声学特征中重构语音波形信号.该合成器基于WaveNet模型进行构建,使用深度扩张因果卷积神经网络对每个采样点波形幅度的条件概率分布进行建模,其条件包括了历史波形信息以及当前采样点对应的输入声学特征.在训练阶段,使用特定说话人的语音数据库进行模型参数的估计.在合成阶段,基于每个采样点的条件概率分布进行语音波形的逐点采样生成.实验结果表明,在输入自然声学参数以及由统计参数语音合成系统预测的声学参数情况下,该参数合成器均能够取得优于STRAIGHT合成器的生成语音质量.

摘要： 本文提出了一种基于深度卷积神经网络的语音参数合成器,用以实现从倒谱、基频等语音声学特征中重构语音波形信号.该合成器基于WaveNet模型进行构建,使用深度扩张因果卷积神经网络对每个采样点波形幅度的条件概率分布进行建模,其条件包括了历史波形信息以及当前采样点对应的输入声学特征.在训练阶段,使用特定说话人的语音数据库进行模型参数的估计.在合成阶段,基于每个采样点的条件概率分布进行语音波形的逐点采样生成.实验结果表明,在输入自然声学参数以及由统计参数语音合成系统预测的声学参数情况下,该参数合成器均能够取得优于STRAIGHT合成器的生成语音质量.

摘要： 波形修正处理部(10)对具有第1采样频率的第1数字语音信号(例如CD信号)的波形进行修正。比特数变换/采样频率变换部(50)将通过第1波形修正处理部修正波形后的第1数字语音信号变换为具有比第1采样频率高的第2采样频率的第2数字语音信号(例如高分辨率数字语音信号)。波形修正处理部(20)对第2数字语音信号的波形进行修正。

摘要： 波形修正处理部(10)对具有第1采样频率的第1数字语音信号(例如CD信号)的波形进行修正。比特数变换/采样频率变换部(50)将通过第1波形修正处理部修正波形后的第1数字语音信号变换为具有比第1采样频率高的第2采样频率的第2数字语音信号(例如高分辨率数字语音信号)。波形修正处理部(20)对第2数字语音信号的波形进行修正。

摘要： 本声音处理设备(1)包括：第一分段装置(2_1)，用于将预定的第一声音分成多个第一片段声音；第二分段装置(2_2)，用于将第二声音分成多个第二片段声音；一次说话者识别装置(3)，用于计算指示多个第二片段声音与多个第一片段声音中的每一个之间的相似度的分数；阈值计算装置(4)，用于在由一次说话者识别装置(3)计算的分数当中，基于指示多个第一片段声音之间的相似度的分数来计算阈值；说话者聚类装置(5)，用于将每个具有相似度高于阈值指示的相似度的多个第二片段声音分类为一个或多个簇；以及二次说话者识别装置(6)，用于计算一个或多个簇的每一个与第一声音之间的相似度，并基于计算的结果来确定与第一声音相对应的声音是否被包含在一个或多个簇的任何一个中。

摘要： 语音处理系统具备：至少1个第一麦克风，所述至少1个第一麦克风获取第一语音信号，并输出基于第一语音信号的第一信号，所述第一语音信号包含第一位置处产生的第一语音分量、以及与第一位置不同的第二位置处产生的第二语音分量中的至少一方；至少1个自适应滤波器，所述至少1个自适应滤波器被输入第一信号，并输出基于第一信号的通过信号；判定部，其进行第一语音信号较多地包含第一语音分量和第二语音分量中的哪一方的判定；以及控制部，其基于判定的结果，来控制自适应滤波器的滤波器系数。

摘要： 该语音处理装置(100)配备有：说话者位置检测单元(143)，用于在检测到WuW语音的情况下，基于规定时间的各语音信号的特性来将用于接收WuW的语音信号的麦克风(MC1～MC6)指定为说话者的位置麦克风，其中该语音信号保持在语音信号缓冲单元(142)中；以及CTC单元(语音处理单元的一个示例)(144)，用于通过使用语音信号缓冲单元(142)中所保持的规定时间的语音信号和与说话者位置麦克风有关的信息，来输出说话者所发出的语音并且抑制除说话者以外的乘员所发出的语音。

摘要： 不仅能够使波形的再现性提高而且能够高速地生成波形。实施方式的语音处理装置具有频谱参数算出部、相位谱算出部、群延迟谱算出部、频带群延迟参数算出部以及频带群延迟修正参数算出部。频谱参数算出部算出频谱参数。相位谱算出部算出第1相位谱。群延迟谱算出部基于第1相位谱的频率成分，根据第1相位谱算出群延迟谱。频带群延迟参数算出部根据群延迟谱算出预定频率范围中的频带群延迟参数。频带群延迟修正参数算出部算出对根据频带群延迟参数重新构建所得到的第2相位谱与第1相位谱之差进行修正的频带群延迟修正参数。

摘要： 本发明提供了一种语音处理设备、语音处理方法和语音处理程序。这里公开了一种语音处理设备，用于基于输入的语音的韵律特性来识别所述语音，所述语音处理设备包括：语音采集装置，用于采集所述输入语音；声学分析装置，用于基于在所述语音采集装置所采集的所述输入语音的每个帧时间所看到的第一频率特性和预先确定的第二频率特性之间的频率方向差异，来找出相对音调变化；以及韵律识别装置，用于基于由所述声学分析装置所找到的所述相对音调变化来执行韵律识别过程，以产生所述韵律识别过程的结果。

摘要： 本申请公开了一种基于车辆的语音处理方法、语音处理器、车载处理器、车辆、电子设备以及存储介质，涉及计算机领域中的自动驾驶、人工智能、以及语音技术。具体实现方案为：接收车载处理器基于多个音频通道传输的语音消息，其中，语音消息中携带多个音频通道的标识，根据语音消息中的各音频通道的标识，确定语音消息对应的多音区类型，调用语音消息对应的多音区类型所对应的音频处理方法，对语音消息进行处理，得到处理结果，通过确定语音消息的多音区类型，并调用与语音消息对应的多音区类型的音频处理方法对语音消息进行处理，避免了相关技术中语音处理的灵活性偏低的问题，实现了提高语音处理的灵活性和多样性，且提高了用户的语音交互体验。

摘要： 本申请提供了一种语音处理方法、语音处理模型的训练方法、设备及介质，该语音处理方法包括：基于多路音频信号获取第一声学特征信息，其中，第一声学特征信息融合了多路音频信号的特征，多路音频信号是根据至少两个音频采集设备采集的原始音频信号获取的；对第一声学特征信息进行分类处理，得到空间位置信息，空间位置信息用于表征声源方向。本申请的技术方案能够降低级联误差、提高声源定位的准确度以及提高运算速度。

摘要： 本发明公开了一种语音处理装置、车载语音处理系统及车辆，该语音处理装置包括面板、后壳、拾音模块和隔音组件，面板上开设有至少两个声孔，至少两个声孔沿语音指令的传播方向间隔设置，面板与后壳配合且与后壳之间形成有安装空间，拾音模块设于安装空间，拾音模块包括主板以及与声孔数量一致的麦克风，麦克风设于主板，并且麦克风的拾音端口与声孔对应设置，隔音组件设有透音结构，隔音组件至少设置在拾音模块的外侧，声孔通过透音结构与拾音端口连通。当用户发出语音控制指令，由于至少两个声孔沿语音指令的传播方向间隔设置，通过每个麦克风对语音指令捕获的时间差来确定语音指令，摒弃其它干扰噪声，以保证语音输入的准确性。