懂人类的语言,一直是人们追求的目标。要达到这一目标面临着诸多的困难。这些困难具体表现在: 第一,语音信号的声学特征随与之前后相连的语音的不同而有很大的变化, 且连续语音流中各语音单位之间不存在明显的界线; 第二,语音特征随发音人的不同、发音人生理或心理状态的变化而有很大的差异; 第三,环境噪声和传输设备的差异也将直接影响语音特征的提取; 第四,一个语句所表达的意思与上下文内容、说话时的环境条件及文化背景等因素有关,而语句的语法结构又是多变的,并且语境信息几乎是计算机语音识别无法利用的,所有这些都给语意的理解带来很大的困难。语音识别技术解决将语音信号转换为计算机可处理的信息的问题。根据识别方式和应用范围的不同,语音识别系统可以有多种不同的实现方式。第一,按说话人分,可分为特定说话人和非特定说话人两种;前者只能识别固定某个人的声音。其他人要想使用这样的系统,必须事先输入大量的语音数据, 对系统进行训练; 而对后者,机器能识别任意人的发音。由于语音信号的可变性很大,这种系统要能从大量的不同人(通常 30~40人) 的发音样本中学习到非特定人的发音速度、语音强度、发音方式等基本特征,并归纳出其相似性作为识别的标准。使用者无论是否参加过训练都可以共用一套参考模板进行语音识别。从难度上看,特定说话人的语音识别比较简单,能得到较高的识别率,武汉理工大学硕士学位论文并且目前己经有商品化的产品; 而非特定人识别系统,通用性好、应用面广,但难度也较大,不容易获得较高的识别率。第二,按照词汇量大小来分,可以分为小词汇量,中等词汇量和大词汇量三种。通常 100 以下的为小词汇量系统,100 以上 1000 以下为中等词汇量系统,1000 词以上为大词汇量系统。第三,按照发音方式分,可以分为孤立词,词组和连续语音识别三种。孤立词是诸如 0到9数码,一些菜单操作命令等无语法含义的单个词。目前孤立词的主
全文预览