基于DSP平台的非特定孤立人类语音识别的研究与实现。可以免费在线查看和显示PDF文档的全文。

jE交交道堂堂待±堂位延一延二

中田

简介:口语对话是人机交互中最重要的部分。实现此目标的最重要技术是语音。

编号

但是,由于语音信号的多样性以及人体识别语音过程模拟的复杂性,

语音识别研究在理论上和生产上都是困难的。

完善与任务主题相关的语音识别产品也很困难。

今天,移动互联网趋势已经到来。

与语音识别相关的产品主要基于

台式电脑时代。

苹果还借此机会发布了一种语音识别产品Siri。

4S手机的主要功能是领先的。

基于移动设备可预测

就像最近发布的iPhone

用于设备平台的语音识别产品将在不久的将来出现。

该主题基于移动设备。

对处理器的语音识别进行了研究,分析和优化,并实现了小型语音识别系统。

本主题使用HMM算法。HMM算法考虑了声音和声源之间的对应关系以及声音的概率。

通过双重随机过程可以实现大概率来模拟人体声音识别,需要元素状态转换概率

词汇,非特定人群,连续语音识别。

卡内基(Carnegie)在1980年代后提出了该算法。

李开复博士在梅隆大学的初步认可是语音识别历史上最重要的进步。

之后

语音识别算法无法与HMM框架分离。

HTK是一组隐藏的Markov模型工具(HMMToolkit)和C语言格式的库模块。

仅适用于开源社区。

今天,微软将HTK的许可证返还给了微软的HTK剑桥工程大学。

开发支持与剑桥大学联合提供,任何人都可以从HTK3网站免费下载。

语音识别算法很复杂,需要大量的浮点算法,高性能要求和常见的移动设备

处理器不支持。

最好的选择是具有最佳性能的DSP处理器,尤其是浮点算术。

扩展外部设备,例如内存。

小型语音识别系统由非特定人群和有限的词汇组成。

我们分析了识别结果并提出了改进方向。

关键字:语音识别,HMM,DSP,HTK

分类:“ TN晚12点。怀孕弓

连接交通厅的堂堂

&△£!

总结

最互动

摘要:重要讲话

互动互动

要实现的大多数发票

关键技术认可目标。但是,

因为

多元化

音频信号复杂度

语音识别

过程和语音研究

理论认识的进步



还有更多困难的待处理任务。

语音识别面临许多挑战

阿雷哈德

完美的产品。

互联网趋势被打破。

今天的手机