语音识别

摘要： 蒙古语声学模型的训练过程是模型学习发音数据与标注数据之间关系的一个过程。针对以音素为建模粒子的蒙古语声学模型建模,由于蒙古语词的发音与语义存在一对多映射现象,会造成解码出的蒙古语文本错误,进而导致蒙古语语音识别系统识别率降低的问题。对此,该文以端到端模型为基础,以蒙古语音素、字母为蒙古语声学模型建模粒子,设计了基于BLSTM-CTC的蒙古语声学模型,并给出了动量训练算法。实验结果表明,基于蒙古语字母的BLSTM-CTC蒙古语声学模型可以有效降低蒙古语语音识别系统中异形同音词的词错率。

摘要： 人的语音具有一定的上下文相关性,传统语音识别模型对历史信息记忆能力不足,无法充分学习语音序列的相关性。根据人对机器人控制的语音特点,设计了一种基于双向长短时记忆(Bi-LSTM)网络的控制机器人的语音识别模型,并在自己制作的语音库中训练,优化了模型参数。实验结果表明:远端控制命令通过语音识别模型转化为控制命令,传送到机器人的人际交互系统,较好地完成了人对机器人发出的运动控制、状态反馈和环境监测的任务,控制机器人命令语音识别的准确率达到80%以上。

摘要： 为了解决老年人网上购票困难的问题,通过智能语音识别技术的运用,实现铁路12306手机客户端语音购票功能,降低老年人网上购票的操作门槛。目前语音识别算法的准确率已经达到较高水平,但是通用的语音识别方法存在铁路专有名词识别困难的问题。针对此,提出融合铁路专有知识的语音识别方法,使用多重语言模型共同修正声学模型的解码结果;增加前缀束搜索的解码方法,提高解码过程中的召回率;设计的热词赋权模块,配置包含铁路专有名词的热词库,提高专有名词的检出率。在自建数据集上进行对比实验,结果表明,提出的基于多重语言模型融合的铁路购票语音识别方法能准确识别铁路专有名词,达到90%以上的识别准确率。

摘要： 目的将语音识别技术应用于口腔科电子病历系统,及时、准确记录口腔电子病历,提高临床工作效率。方法基于海量医学文本数据及医学音频数据,开发多模态智能语音口腔电子病历系统。结果实现了基于语音识别技术的口腔电子病历系统与通用电子病历系统的无缝衔接,有效减轻医生工作强度,提升工作效率。结论根据口腔科诊疗中需要对患者进行操作的特点,将语音识别技术融入口腔电子病历系统中,可辅助临床诊疗工作,提高病历书写质量。

摘要： 语音识别技术在城市轨道交通自动售检票系统中还未全面推广应用,多数仍为试点运行,未从线网层进行整体规划建设。文章通过全方位研究语音识别技术在自动售检票系统中应用的业务流程、功能需求、关键技术和系统架构,论证得出语音识别技术在城市轨道交通中的应用推广具有积极意义。

摘要： "声纳"智能物品查询系统(以下简称:该系统)从物品管理功能需求出发,基于语音识别技术,重点研究该领域发展现状、受众需求模型及实用功能设计,研究智能语音识别技术及应用,拟实现通过使用智能语音助手,以语音答辩的形式快速查找、获得物品存放位置及信息。项目创新点在于突破传统查询及管理模式,语音对话实现录入及查找操作,解放双手。

摘要： 苗语作为西南少数民族的主要语种之一,其语音研究存在语言文字缺失、语音语料库不健全、地域差异等问题,因此苗语的语音识别难度较大。针对语音语料库不健全的问题,借助汉语拼音对苗语语音进行标注,构建不同地域的苗语语音语料库。基于拼音媒介传递的思想,设计苗语孤立词汇识别模型,该模型利用卷积神经网络对提取的语音特征进行训练和测试,解决了文字缺失情况下的苗语孤立词语音识别问题。为验证该模型的有效性和稳定性,以自建苗语语音语料库的数据作为实验数据集,分别在同地域、不同地域以及组合地域语音数据集上进行验证实验。实验结果表明,所提模型对苗语孤立词语音识别有效,同地域语音识别效果优于不同地域识别效果,在组合地域语音识别中表现亦良好。

摘要： 运算器、控制器、存储器、输入设备和输出设备是计算机硬件的五个组成部分。每个部分都随着技术的发展而发展:芯片变得越来越小,功能越来越强大;显示器的分辨率越来越高;输入的方式也增加了触屏和语音识别等;而存储器的变化似乎更大……今天,我们就来聊一聊存储器的发展。电脑的存储器分为内部存储器和外部存储器。我们先来说说内部存储器的发展。

摘要： 近年来,现代信息技术进入高速发展的阶段,新的研究成果出现的同时也带来了新的难题和挑战,其中,对人工智能的研究应用到了人们生活和生产的各个方面,给社会生活带来了巨大的改变。在人工智能识别中的语音识别研究一直是重点研究项目,虽然基于人工神经网络引入声学理论的研究,让语音识别智能化的效率和准确率大大提高,但是随着对语音识别需求的增多,仍然出现了一些不足。因此需要基于大数据和深度学习,对语音识别进行改善和深入研究,本文通过探讨语言智能识别的现状,用基于大数据和深度学习的方法,改善语音识别中的语音提取,声音模拟和识别判断等,有效提高语音识别技术的发展。

摘要： 土家语是一种典型的濒危语言,因其母语人少、无文字、仅以口语形式存在等低资源性,很难典藏大量带标注的语音,导致其消亡速度日益加快,因此挽救和保护濒危语言迫在眉睫。针对上述问题,建立了一种基于多头注意力机制的端到端濒危语言语音识别模型。通过语音时域伸缩技术(time-scale-modification,TSM)改变土家语口语词汇语速对其进行扩充,有效解决了土家语语料不足的问题;建立基于注意力机制的端到端模型Listen,Attend,and Spell(LAS)实现土家语的自动语音识别功能;针对LAS模型中解码器状态向量与编码器状态向量对齐精度不高的问题,引入了多头注意力机制以提高模型的识别准确率。实验结果表明,多头注意力机制通过关注不同位置的空间信息能有效提升模型的表征能力,较传统注意力机制模型识别率提升了4.76%。

摘要： 目的:探索智能语音识别技术在门诊电子病历中的应用.方法:在我院搭建智能语音识别私有云平台,采集大量我院的医疗数据和医生的语音数据等,通过深度学习技术,全面优化语音识别引擎.结果:智能语音识别准确率达97％,在我院门诊正式应用,有效提升医生的工作效率.结论:语音识别技术在医疗领域有良好的应用前景,但需要在抗噪性、敏感性、稳定性以及地方口音的识别方面进一步提升,深度融合与语音助手是语音识别应用的发展方向,将实现语音识别在医疗领域更广泛、更深入的应用.

摘要： 随着人工智能的不断发展,作为人工智能落地最成功的领域,语音识别技术正处于快速发展期.本文聚焦研究语音识别技术在医疗领域的探索与应用,基于医疗人工智能技术和大数据分析技术,提出了医疗垂直领域智能语音录入软硬件一体的解决方案,并阐述了智能语音技术在我院应用效果.

摘要： 近几年,随着智能语言技术不断的发展,不仅不同语种之间文本互译准确程度大幅提升,口语的实时互译已经出现.智能语言技术将减少跨语言交流的障碍,可为人们带来诸多方便.同时包括外语教学对相关行业造成冲击.本文使用非母语者(NNS)与母语者(NS)之间进行群体远程讨论会的真实话料,对比验证了语音识别(Automatic Speech Recognition,ASR)对NS与NNS语音的识别精度差异.分析结果发现最新ASR对单一发言人,母语者、标准口语的识别度非常高,已达到现场应用的水平.但不管对NS还是NNS,凡是对于含有情感语音的ASR识别率出现大幅下降.因此很难应用到远场(far-field)、多通道(multi-channel)、多模态(multi-modal)的语音识别领域.相比之下,讨论课参与人员语义协商过程的记录告诉,语料里虽然存在部分词汇发音模糊,语句碎片化的问题,但是大家利用多通道、多模态的渠道交换副语言与非语言信息,成功实现了沟通与互动.此研究有助于区分技术的局限性与人的互动能力和想象力.

摘要： 传统的诊疗场景正在发生变化,在门诊诊室内,除医患双方外,可能还会有一个"第三者".不是医生助手,也不是患者家属,而是一个类似平板的智能机器人.依托声学处理、语音识别、知识图谱、对话理解、文本生成等技术,它可以替医生准确书写出一份完整的电子病历.它就是左手医生推出的最新AI产品——诊室听译机器人.

摘要： 为了提升连续语音识别系统性能,将深度自编码器神经网络应用于语音信号特征提取.通过堆叠稀疏自编码器组成深度自编码器(Deep Auto-Encoding,DAE),经过预训练和微调两个步骤提取语音信号的本质特征,使用与上下文相关的三音素模型,以音素错误率大小为系统性能的评判标准.仿真结果表明相对于传统梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)特征以及优化后的MFCC特征,基于深度自编码器提取的深度特征更具优越性.

摘要： 本文简述了“恶魔音乐”攻击方案，分析了“恶魔音乐”攻击原理——语音识别原理以及WAA攻击，探讨了攻击防御体系。

摘要： 近年来,中国北斗卫星导航系统得到了快速发展,测量型北斗接收机已被广泛应用到测绘领域.北斗智能RTK测量手簿是辅助于实时动态定位而产生的,手簿的各项功能的适用性将影响野外数据采集的工作效率.本文拟采用语音识别技术、太阳能电池技术、数据加密技术、北斗系统特有的短报文发送功能,对传统的北斗RTK测量手簿进行优化设计,有效提高北斗RTK外业测量数据采集和内业绘图的工作效率,使其能够满足用户实际生产的需要.

摘要： 车载语音即汽车上的语音助手,用来进行人机交互,实现对车辆的语音控制.目前,语音助手在智能家居、教育、手机等产业已经并取得了不俗的成绩;在汽车产业中语音助手也已初露锋芒.车载语音将成为衡量智能汽车的标杆,是汽车迈进智能驾驶的第一步.

摘要： 车载语音即汽车上的语音助手,用来进行人机交互,实现对车辆的语音控制.目前,语音助手在智能家居、教育、手机等产业已经并取得了不俗的成绩;在汽车产业中语音助手也已初露锋芒.车载语音将成为衡量智能汽车的标杆,是汽车迈进智能驾驶的第一步.

摘要： 车载语音即汽车上的语音助手,用来进行人机交互,实现对车辆的语音控制.目前,语音助手在智能家居、教育、手机等产业已经并取得了不俗的成绩;在汽车产业中语音助手也已初露锋芒.车载语音将成为衡量智能汽车的标杆,是汽车迈进智能驾驶的第一步.

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： 本发明涉及语音识别装置、语音识别方法以及语音识别程序。实施方式涉及的语音识别装置具备取得部、调整部和识别部。取得部收集语音，取得语音信号。调整部将阈值调整为比输入语音信号的音量等级低的值并进行登记。识别部读取所登记的阈值，将该阈值与输入语音信号进行比较，在输入语音信号的音量等级小于阈值的情况下，废弃语音信号的输入，在输入语音信号的音量等级大于等于阈值的情况下，将输入语音信号作为识别对象的说话者的语音信号，执行识别处理。由此，提供能够基于与用户的交互式调整指示，取得用户期望范围内的语音的语音识别装置。