文本识别
以所要识别的对象来分，有： （1）孤立词识别（字或词间有停顿，用于控制系统） （2）连接词识别（十个数字连接而成的多位数字识别或 由少数指令构成词条的识别，用于数据库查询、电话和控 制系统） （3）连续语音识别和理解（自然的说话方式） （4）会话语音识别（识别出会话语言）
文本识别
根据识别的词汇量来分，有： （1）大词汇（1000个以上的词汇，如会议系统） （2）中词汇（20～1000个词汇，如定票系统） （3）小词汇（1～20个词汇，如语音电话拨号）
感谢聆听
短时平均能量
3
PART THREE
情绪识别
情绪识别
情感
离散情感 维度情感
支持向量机 K最近邻
隐马尔可夫 GMM
基本情绪
快乐 悲伤 愤怒 惊讶 恐惧 厌恶
语音情绪特征
不同情感对语音产生了什么影响？可以通过哪些特征反映出来呢
韵律特征：最主要的语音情感特征。如语速、音量、音 调等，例如发怒时，都会增加。
语音特征：振幅、共振峰频率、基音频率、持续时间等
语音情绪特征
特征提取
神经网络
循环神 经网络
4
PART FOUR
结论与展望
结论与展望
无论是文本识别还是情绪识别，都是在实验室环境或者相 对安静的环境中进行的，与实际应用有一定差别。现实环境中 充满了噪声，如何实现复杂噪声环境下的语音识别，是一个热 门话题。
1952
线性预测编码 （LPC）
动态时间调整 （DTW）
隐马尔可夫 （HMM）
60到70年代
隐马尔可夫 （HMM）
成功 应用
人工神经网络 （ANN）
80年代
进一步 成熟
嵌入式语言处 理技术
90年代
21世纪
2
PA应用
文本识别的目的是尽可能实现长时间的实时识 别，其识别任务可以根据语音文本的长度分为弧词 语音、词汇语音、连续语音识别三个阶段。
语音识别技术
◎语音识别系统可以分为孤立字(词)语音识别系统、连接字语 音识别系统以及连续语音识别系统。 ◎语音识别系统分为两个方向： 一是根据对说话人的依赖程度可以分为特定人和非特定人语音 识别系统； 二是根据词汇量大小，可以分为小词汇量、中等词汇量、大词 汇量，以及无限词汇量语音识别系统。
语音识别技术发展历史
语音识别流程
训练神经网络
从图的系统整体架构可以看到，建立基于神经网络的语音识 别系统可分为两个阶段,即训练阶段和识别阶段。首先由用户通过 麦克风输入语音形成原始语音,然后系统对其进行预处理。
语音识别流程
神经网络输入数据 训练神经网络
DNN
LSTM
RNN
.......
线性预测系数 Mel倒谱 LPC倒谱
在情绪识别领域，尽管已经发掘了较多情绪语音的特征， 但这些特征对该种情绪贡献多大并未有一个定量的研究，特征 之间的相互联系也需要大量工作去发现证明，随着神经网络的 快速兴起，如何使用神经网络找到更有效的情绪特征，也是一 个需要深入研究的问题。相信随着计算机技术的发展，更快速 更准确的识别手段将被发现并应用，人机交互的方式将更加便 捷。
神经网络语音识别上的应用
汇报人：李雄
CONTENTS
01 / 语音识别概述 02 / 文本识别 03 / 情绪识别 04 / 结论
1
PART ONE
语音识别概述
语音识别技术
◎语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转 换为计算机可读的输入。 ◎语音识别以语音为研究对象，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，最终目的是实现 人与机器进行自然语言通信，用语言操纵计算机。