導(dǎo)語：如何才能寫好一篇語音識別技術(shù)，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞:語音識別 應(yīng)用領(lǐng)域 熱點 難點

中圖分類號:TN912 文獻標識碼:A 文章編號:1007-3973 (2010) 03-062-02

1應(yīng)用領(lǐng)域

如今,一些語音識別的應(yīng)用已經(jīng)應(yīng)用到實際生活中,如IBM的Viavoice、Microsoft的Speech SDK、Dragon公司的Dragon Dictate系統(tǒng)等。語音識別的應(yīng)用領(lǐng)域非常廣泛,幾乎涉及到日常生活的方方面面。如語音撥號系統(tǒng)、、家庭服務(wù)、訂票系統(tǒng)、聲控智能玩具、醫(yī)療服務(wù)、銀行服務(wù)、聽寫機、計算機控制、工業(yè)控制、語音通信系統(tǒng)等。預(yù)計在不遠的將來,語音識別技術(shù)將在工業(yè)、家電、通信、、醫(yī)療、家庭服務(wù)等各個領(lǐng)域深刻改變?nèi)祟惉F(xiàn)有的日常生活方式。語音識別聽寫機在一些領(lǐng)域的應(yīng)用被美國新聞界評為1997年計算機發(fā)展十件大事之一。很多專家都認為語音識別技術(shù)是2000年至2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一。

2發(fā)展歷史

語音識別的研究工作開始于50年代,Bell實驗室實現(xiàn)了第一個可識別十個英文數(shù)字的語音識別系統(tǒng)―Audry系統(tǒng)。但真正取得實質(zhì)性進展,并將其作為一個重要的課題開展研究則是在60年代末70年代初。60年代,提出了動態(tài)規(guī)劃(DP)和線性預(yù)測分析技術(shù)(LP),其中后者較好地解決了語音信號產(chǎn)生模型的問題,極大地促進了語音識別的發(fā)展。70年代,動態(tài)時間歸正技術(shù)(DTW)解決了語音特征不等長匹配問題,對特定人孤立詞語音識別十分有效,在語音識別領(lǐng)域取得了突破。在此期間還提出了矢量量化(VQ)和隱馬爾可夫模型(HMM)理論。

80年代語音識別研究進一步深入,HMM模型和人工神經(jīng)網(wǎng)絡(luò)(ANN)在語音識別中成功應(yīng)用。1988年,FULEE Kai等用VQ/I-IMM方法實現(xiàn)了997個詞匯的非特定人連續(xù)語音識別系統(tǒng)SPHINX。這是世界上第1個高性能的非特定人、大詞匯量、連續(xù)語音識別系統(tǒng)。人們終于在實驗室突破了大詞匯量、連續(xù)語音和非特定人這三大障礙,并以此確定了統(tǒng)計方法和模型在語音識別和語言處理中的主流地位。使得借助人工智能中的啟發(fā)式搜索和語音模型自身的特點,高效、快捷的算法使得建立實時的連續(xù)語音識別系統(tǒng)成為可能。

90年代,人們開始進一步研究語音識別與自然語言處理的結(jié)合,逐步發(fā)展到基于自然口語識別和理解的人機對話系統(tǒng)。人工神經(jīng)元網(wǎng)絡(luò)(ANN)也開始應(yīng)用于語音識別,它和HMM模型建立的語音識別系統(tǒng)性能相當,在很多系統(tǒng)中還被結(jié)合在一起使用以提高識別率及系統(tǒng)的魯棒性。小波分析也開始用于特征提取,但目前性能不理想,其研究還在進一步深入中。

現(xiàn)在語音識別系統(tǒng)已經(jīng)開始從實驗室走向?qū)嵱?出現(xiàn)了比較成熟的已推向市場的產(chǎn)品。許多發(fā)達國家如美國、日本、韓國以及IBM、Apple、Microsoft、AT&T等著名公司都為語音識別系統(tǒng)的實用化開發(fā)研究投以巨資。

3研究的熱點與難點

目前語音識別領(lǐng)域的研究熱點包括:穩(wěn)健語音識別(識別的魯棒性)、語音輸入設(shè)備研究 、聲學(xué)HMM模型的細化、說話人自適應(yīng)技術(shù)、大詞匯量關(guān)鍵詞識別、高效的識別(搜索)算法研究 、可信度評測算法研究、ANN的應(yīng)用、語言模型及深層次的自然語言理解。

目前研究的難點主要表現(xiàn)在:(1)語音識別系統(tǒng)的適應(yīng)性差。主要體現(xiàn)在對環(huán)境依賴性強。(2)高噪聲環(huán)境下語音識別進展困難,因為此時人的發(fā)音變化很大,像聲音變高,語速變慢,音調(diào)及共振峰變化等等,必須尋找新的信號分析處理方法。(3)如何把語言學(xué)、生理學(xué)、心理學(xué)方面知識量化、建模并有效用于語音識別,目前也是一個難點。(4)由于我們對人類的聽覺理解、知識積累和學(xué)習(xí)機制以及大腦神經(jīng)系統(tǒng)的控制機理等方面的認識還很不清楚,這必將阻礙語音識別的進一步發(fā)展。

4語音識別系統(tǒng)

一個典型的語音識別系統(tǒng)如圖所示:

輸入的語言信號首先要進行反混疊濾波、采樣、A/D轉(zhuǎn)換等過程進行數(shù)字化,之后要進行預(yù)處理,包括預(yù)加重、加窗和分幀、端點檢測等。我們稱之為對語音信號進行預(yù)處理。

語音信號的特征參數(shù)主要有:短時能量En,反映語音振幅或能量隨著時間緩慢變化的規(guī)律;短時平均過零率Zn,對于離散信號來講,簡單的說就是樣本改變符號的次數(shù),可以粗略分辨清音和濁音;短時自相關(guān)函數(shù);經(jīng)過FFT或LPC運算得到的功率譜,再經(jīng)過對數(shù)運算和傅里葉反變換以后得到的倒譜參數(shù);根據(jù)人耳聽覺特性變換的美爾(MEL);線性預(yù)測系數(shù)等。通常識別參數(shù)可選擇上面的某一種或幾種的組合。

語音識別是語音識別系統(tǒng)最核心的部分。包括語音的聲學(xué)模型(訓(xùn)練學(xué)習(xí))與模式匹配(識別算法)以及相應(yīng)的語言模型與語言處理2大部分。聲學(xué)模型用于參數(shù)匹配,通常在模型訓(xùn)練階段按照一定的準則,由用語音特征參數(shù)表征的大量已知模式中通過學(xué)習(xí)算法來獲取代表該模式本質(zhì)特征的模型參數(shù)而產(chǎn)生。在識別(模式匹配)時將輸入的語音特征同聲學(xué)模型(模式)根據(jù)一定準則進行匹配與比較,使未知模式與模型庫中的某一個模型獲得最佳匹配以得到最佳的識別結(jié)果。語言模型一般指在匹配搜索時用于字詞和路徑約束的語言規(guī)則,它包括由識別語音命令構(gòu)成的語法網(wǎng)絡(luò)或由統(tǒng)計方法構(gòu)成的語言模型,語言處理則可以進行語法、語義分析。

聲學(xué)模型是語音識別系統(tǒng)中最關(guān)鍵的一部分。目前最常用也最有效的幾種聲學(xué)識別模型包括動態(tài)時間歸整模型(DTW)、隱馬爾可夫模型(HMM)和人工神經(jīng)網(wǎng)絡(luò)模型(ANN)等。

DTW是較早的一種模式匹配和模型訓(xùn)練技術(shù),它把整個單詞作為識別單元,在訓(xùn)練階段將詞匯表中每個詞的特征矢量序列作為模板存入模板庫,在識別階段將待識別語音的特征矢量序列依次與庫中的每個模板進行相似度比較,將相似度最高者作為識別結(jié)果輸出。DTW應(yīng)用動態(tài)規(guī)劃方法成功解決了語音信號特征參數(shù)序列比較時時長不等的難題,在小詞匯量、孤立詞語音識別中獲得了良好性能。但因其不適合連續(xù)語音大詞匯量語音識別系統(tǒng),目前已逐漸被HMM和ANN模型替代。

HMM模型是語音信號時變特征的有參表示法。它由相互關(guān)聯(lián)的兩個隨機過程共同描述信號的統(tǒng)計特性,其中一個是隱蔽的(不可觀測的)具有有限狀態(tài)的Markor鏈,另一個是與Markor鏈的每一狀態(tài)相關(guān)聯(lián)的觀察矢量的隨機過程(可觀測的)。HMM很好的模擬了人得語言過程,目前應(yīng)用十分廣泛。HMM模型的模型參數(shù)包括HMM拓撲結(jié)構(gòu)(狀態(tài)數(shù)目N、狀態(tài)之間的轉(zhuǎn)移方向等)、每個狀態(tài)可以觀察到的符號數(shù)M(符號集合O)、狀態(tài)轉(zhuǎn)移概率A及描述觀察符號統(tǒng)計特性的一組隨機函數(shù),包括觀察符號的概率分布B和初始狀態(tài)概率分布 ,因此一個HMM模型可以由{N,M,A,B, }來確定,對詞匯表中的每一個詞都要建立相應(yīng)的HMM模型。

模型參數(shù)得到后可以用Viterbi算法來確定與觀察序列對應(yīng)的最佳的狀態(tài)序列。建好模型后,在識別階段就是要計算每個模型產(chǎn)生觀察符號序列的輸出概率,輸出概率最大的模型所表示的詞就是我們的識別結(jié)果。這個過程計算量很大,有人提出了前向-后向算法,大大減少了計算量,已經(jīng)被廣泛采用,關(guān)于它們的各種改進方法也被大量提出。

ANN在語音識別中的應(yīng)用是現(xiàn)在研究的又一熱點。ANN本質(zhì)上是一個自適應(yīng)非線性動力學(xué)系統(tǒng),是由結(jié)點互連組成的計算網(wǎng)絡(luò),模擬了人類大腦神經(jīng)元活動的基本原理,具有自學(xué)習(xí)能力、記憶、聯(lián)想、推理、概括能力和快速并行實現(xiàn)的特點,同時還具備自組織、自適應(yīng)的功能。這些能力是HMM模型不具備的,可用于處理一些環(huán)境信息十分復(fù)雜,背景知識不清楚,推理規(guī)則不明確的問題,允許樣品有較大的缺損、畸變,因此對于噪聲環(huán)境下非特定人的語音識別問題來說是一種很好的解決方案。目前大部分應(yīng)用神經(jīng)網(wǎng)絡(luò)的語音識別系統(tǒng)都采用了BP網(wǎng)并取得了較好的識別效果。

將ANN與HMM結(jié)合分別利用各自優(yōu)點進行識別將是今后的一條研究途徑。二者結(jié)合的混合語音識別方法的研究開始于上世紀90年代,目前已有一些方法將ANN輔助HMM進行計算和學(xué)習(xí)概率參數(shù)。

語言模型主要分為規(guī)則模型和統(tǒng)計模型兩種。統(tǒng)計語言模型是用概率統(tǒng)計的方法來揭示語言單位內(nèi)在的統(tǒng)計規(guī)律,其中N-Gram簡單有效,被廣泛使用。N-Gram模型基于這樣一種假設(shè):第n個詞的出現(xiàn)只與前面N-1個詞相關(guān),而與其它任何詞都不相關(guān),整句的概率就是各個詞出現(xiàn)概率的乘積。這些概率可以通過直接從語料庫中統(tǒng)計N個詞同時出現(xiàn)的次數(shù)得到。常用的是二元的Bi-Gram和三元的Tri-Gram。

5總結(jié)

盡管語音識別技術(shù)已經(jīng)取得了長足的進步,而語音識別系統(tǒng)也層出不窮,不斷的改變?nèi)祟惉F(xiàn)有的生活方式,但其比較成功的應(yīng)用也只是在某些特定的領(lǐng)域,談不上大規(guī)模廣泛的應(yīng)用。只有建立從聲學(xué)、語音學(xué)到語言學(xué)的知識為基礎(chǔ)、以信息論、模式識別數(shù)理統(tǒng)計和人工智能為主要實現(xiàn)手段的語音處理機制,把整個語音識別過程從系統(tǒng)工程的高度進行分析構(gòu)建,才有可能獲得能與人類相比的高性能的、完整的計算機語音識別系統(tǒng)。

參考文獻:

[1]易克初,田斌.付強.語音信號處理[M].國防工業(yè)出版社,2000.

[2]胡航.語音信號處理[M].哈爾濱工業(yè)大學(xué)出版社,2000.

[3]趙力.語音信號處理[M].機械工業(yè)出版社,2003.

篇2

語音識別算法雖然還有很多問題沒有解決，但語音識別技術(shù)已經(jīng)開始逐步進入實用階段。在發(fā)達國家語音識別技術(shù)已經(jīng)用于信息服務(wù)系統(tǒng)和查詢系統(tǒng)，人們可以通過電話網(wǎng)絡(luò)查詢有關(guān)的信息，并且取得很好的結(jié)果。用戶交換機、電話機、手機也包含了語音識別撥號功能。調(diào)查統(tǒng)計表明多達80%以上的人對這些服務(wù)表示滿意。中小詞匯量的語音識別系統(tǒng)（

語音芯片的應(yīng)用

近年來語音芯片應(yīng)用越來越廣泛，主要包括:

1.電話通信中的語音撥號。特別是在中、高檔移動電話上，現(xiàn)已普遍具有語音撥號的功能。隨著語音識別芯片的價格降低，普通電話上也將具備語音撥號的功能。

2. 汽車的語音控制。由于在汽車的行駛過程中，駕駛員的手必須放在方向盤上，因此在汽車上撥打電話，需要使用具有語音撥號功能的免提電話通信方式。此外，對汽車的門、窗、空調(diào)、照明以及音響等設(shè)備，同樣也可以由語音來方便地進行控制。

3. 工業(yè)控制及醫(yī)療領(lǐng)域。當操作人員的眼或手已經(jīng)被占用的情況下，在增加控制操作時，最好的辦法就是增加人與機器的語音交互界面。由語音對機器發(fā)出命令，機器用語音做出應(yīng)答。

4. 個人數(shù)字助理（Personal Digital Assistant，PDA）的語音交互界面。PDA的體積很小，人機界面一直是其應(yīng)用和技術(shù)的瓶頸之一。由于在PDA上使用鍵盤非常不便，因此，現(xiàn)多采用手寫體識別的方法輸入和查詢信息。但是，這種方法仍然讓用戶感到很不方便?，F(xiàn)在業(yè)界一致認為，PDA的最佳人機交互界面是以語音作為傳輸介質(zhì)的交互方法，并且已有少量應(yīng)用。隨著語音識別技術(shù)的提高，可以預(yù)見，在不久的將來，語音將成為PDA主要的人機交互界面。

5. 智能玩具。通過語音識別技術(shù)，我們可以與智能娃娃對話，可以用語音對玩具發(fā)出命令，讓其完成一些簡單的任務(wù)，甚至可以制造具有語音鎖功能的電子看門狗。智能玩具有很大的市場潛力，而其關(guān)鍵在于語音芯片價格的降低。

6. 家電遙控。用語音可以控制電視機、VCD、空調(diào)、電扇、窗簾的操作，而且一個遙控器就可以把家中的電器皆用語音控制起來，這樣，可以讓令人頭疼的各種電器的操作變得簡單易行。

語音識別專用芯片系統(tǒng)有如下幾個特點: 1. 多為中、小詞匯量的語音識別系統(tǒng)，即只能夠識別10～100詞條。只有近一兩年來，才有連續(xù)數(shù)碼或連續(xù)字母語音識別專用芯片實現(xiàn)。2. 一般僅限于特定人語音識別的實現(xiàn)，即需要讓使用者對所識別的詞條先進行學(xué)習(xí)或訓(xùn)練,這一類識別功能對語種、方言和詞條沒有限制。有的芯片也能夠?qū)崿F(xiàn)非特定人語音識別，即預(yù)先將所要識別的語句碼本訓(xùn)練好而裝入芯片，用戶使用時不需要再進行學(xué)習(xí)就可直接應(yīng)用。但這一類識別功能只適用于規(guī)定的語種和方言，而且所識別的語句只限于預(yù)先已訓(xùn)練好的語句。3. 由此芯片組成一個完整的語音識別系統(tǒng)。因此，除了語音識別功能以外，為了有一個好的人機界面和識別正確與否的驗證，該系統(tǒng)還必須具備語音提示（語音合成）及語音回放（語音編解碼記錄）功能。4. 多為實時系統(tǒng)，即當用戶說完待識別的詞條后，系統(tǒng)立即完成識別功能并有所回應(yīng)，這就對電路的運算速度有較高的要求。5. 除了要求有盡可能好的識別性能外，還要求體積盡可能小、可靠性高、耗電省、價錢低等特點。

語音識別技術(shù)發(fā)展

在發(fā)達國家各種各樣基于語音識別技術(shù)的產(chǎn)品已經(jīng)可以買到，如具有聲控撥號電話，語音記事本等等。語音電話服務(wù)、數(shù)據(jù)查詢服務(wù)也已經(jīng)部分實現(xiàn)?；谔囟ㄈ蝿?wù)和環(huán)境的聽寫機也已經(jīng)進入應(yīng)用階段。語音識別技術(shù)是非常重要的人機交互技術(shù)，有著非常廣泛的應(yīng)用前景。

說話者自適應(yīng)技術(shù)近年在語音識別系統(tǒng)的研究中也備受重視，這是由于與人有關(guān)的語音識別系統(tǒng)比與人無關(guān)的語音識別系統(tǒng)的識別率要高很多。通過有效的自適應(yīng)手段可以很快地提高系統(tǒng)的識別能力。實際上說話人自適應(yīng)技術(shù)和穩(wěn)健語音自適應(yīng)技術(shù)是相通的。由于不同的說話人在聲道長度，說話口音方式都很不一樣。說話者自適應(yīng)技術(shù)也主要是從以下兩方面著手。

靜態(tài)處理方法。從特征提取或訓(xùn)練階段就盡可能減少來自說話人的變化因素對模型的貢獻。可以進行聲道參數(shù)的歸一化處理或?qū)φf話人進行分類處理，如分男女聲的識別系統(tǒng)就是其中的一個典型，但實際上僅僅從男女聲上對模型分類還是太粗，可以通過有效的聚類方法進行分類。這類方法統(tǒng)稱為聲學(xué)歸一化處理方法。

動態(tài)處理方法。對預(yù)先訓(xùn)練好的與人無關(guān)識別系統(tǒng)，通過臨時得到的特定人語音數(shù)據(jù)對系統(tǒng)的模板或特征參數(shù)進行自適應(yīng)修正，從而在原有系統(tǒng)基礎(chǔ)上建立一個用于特定任務(wù)、特定環(huán)境或特定說話人的系統(tǒng)，這類方法統(tǒng)稱為自適應(yīng)方法。自適應(yīng)方法可分為: 批模式、累進模式、即時模式; 按自適應(yīng)學(xué)習(xí)策略又分為無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)。從用戶使用的方便程度來看是由難到易，而算法實現(xiàn)則是由易到難。采用何種策略取決于應(yīng)用背景，對識別率的要求等因素。對于聽寫機等應(yīng)用來說，最具吸引力的是累進、無監(jiān)督的自適應(yīng)方式，也稱在線自適應(yīng)。

語言模型也是目前研究的一個重要方面。目前的語言模型是與任務(wù)有關(guān)的，典型的統(tǒng)計語言模型是通過大量任務(wù)特定的語料訓(xùn)練出來的。通過新聞?wù)Z料訓(xùn)練出來的模型不能很好地工作于法律方面的文件語音識別。有幾種方法用于解決這些問題。一種是使用自適應(yīng)語言模型。在靜態(tài)語言模型的基礎(chǔ)上，通過一個高速緩沖存儲器對語言模型進行動態(tài)的修正; 另一種是先訓(xùn)練多領(lǐng)域語言模型，然后通過混合高斯模型將這些模型結(jié)合在一起; 還有一種比較好的辦法是使用大顆粒的語言模型，如基于類的語言模型，而不是基于詞的語言模型，類可以是詞性類，詞義類，以及由一定的數(shù)據(jù)驅(qū)動的聚類算法產(chǎn)生的各種類。

由于不同詞可以屬于同一類，這樣類比較大，構(gòu)成的語言模型就比較穩(wěn)健。其關(guān)鍵的問題是如何決定詞的分類，由于詞的分類比較復(fù)雜，同一詞可能屬于不同的類，特別是解決如何通過計算機實現(xiàn)自動分類的算法，即使用數(shù)據(jù)驅(qū)動算法也還沒有很好地解決?；诮y(tǒng)計技術(shù)的計算語言學(xué)已經(jīng)越來越受到重視，它解決了單獨規(guī)則語言模型不能解決的一些問題。當然統(tǒng)計語言模型也不能解決全部問題，因此如何把統(tǒng)計語言模型和基于規(guī)則的語言模型結(jié)合也是語言模型研究的重點之一。

目前不同快速語音識別算法都在開發(fā)中。其中包括對HMM狀態(tài)輸出的概率分布進行矢量量化，縮小搜索空間算法，減少計算機的內(nèi)存需求方法，以及結(jié)合計算機結(jié)構(gòu)特點的編程技術(shù)的應(yīng)用。

鏈接:穩(wěn)健語音識別技術(shù)

篇3

關(guān)鍵詞 機器人 語音識別 聲學(xué)模型 語音特征參數(shù)

中圖分類號：TP242 文獻標識碼：A

1語音識別技術(shù)的研究意義

人們使用的聲音語言是一種人在特定高度思維和意識活動下的產(chǎn)品。語言是人類最直接以及最理想的交流方式，也是人機通信是最方便的方式。在機器人發(fā)展的高級發(fā)展階段中，機器人的智能語音識別與人類的活動是密切相關(guān)的，有聲語言的人機交互信息成為重要的手段。例如，語音識別獲取外界信息很自然，沒有特殊的訓(xùn)練方法，隨著機器人技術(shù)的發(fā)展和廣泛應(yīng)用，有越來越多的機會來接觸人類和機器人，所以人們希望通過語音識別和機器人去處理，不管誰能能準確安全，方便地操縱機器人。機器人和人類之間的信息交互，表現(xiàn)在兩個方面，一是對更高層次的機器人操作，方便軟件的設(shè)計開發(fā)，這種多為教學(xué)機器人，另一種是在實際操作的要求下完成信息交互任務(wù)的機器人。智能機器人作為機器人技術(shù)發(fā)展的高級階段，其發(fā)展趨勢是：不僅要求機器人具有高度的自治能力，還要使機器人和人類之間的協(xié)調(diào)也具有一定的智能性。這就要求機器人具有不同的高性能主動做事能力，而不是被動地接受任務(wù)，為了實現(xiàn)這一目標，自然語言作為人機信息交換將發(fā)揮越來越重要的作用。目前，智能機器人已成為機器人研究領(lǐng)域的一個熱點。工業(yè)機器人是智能機器人的一個重要研究領(lǐng)域。當今，工業(yè)機器人的發(fā)展方興未艾，巨大的市場潛力，使真正的工業(yè)機器人的已經(jīng)在市場上嶄露頭角，以滿足人們?nèi)找嬖鲩L的需求，我們不能沒有一個高性能的語音識別系統(tǒng)。由于工業(yè)機器人是面向生產(chǎn)實際的需要，最好的工作方式是讓機器人能顧聽懂最常見的人類語言，完成指定的工作，并能與人交流。機器人語音識別是機器人研究領(lǐng)域中的語音識別應(yīng)用，最終的目標是讓機器人了解人們的口頭語言，然后按照人們的命令來行動或反應(yīng)，從而形成一個良好的人機對話系統(tǒng)。為了能夠進一步推動智能機器人的開發(fā)應(yīng)用，因此，在語音識別機器人的研究領(lǐng)域中，機器人語音識別系統(tǒng)是工業(yè)機器人的實際推廣應(yīng)用，具有重要的意義。

語音識別技術(shù)在智能機器人中的應(yīng)用已經(jīng)有很多年的歷史，作為智能機器人的一個分支，工業(yè)機器人得到了迅速發(fā)展，工業(yè)機器人通過語音識別從工業(yè)噪聲中提取有效的語音命令。為了實現(xiàn)機器人在一些特殊工業(yè)環(huán)境中工作的目的，機器人要能夠識別命令意圖。語音識別技術(shù)，可以實現(xiàn)人機對話，從而讓機器能模仿人類完成所有工作的分配，使其在各行各業(yè)中能夠得以應(yīng)用。目前所面臨的實際問題是：噪聲和干擾環(huán)境下對大型工業(yè)機器人的語音識別有嚴重的影響。在機器人識別領(lǐng)域，工業(yè)環(huán)境中的實時性是一個非常重要的任務(wù)。機器人在工業(yè)環(huán)境下應(yīng)用的聽覺識別是使智能機器人發(fā)展速率低的瓶頸。

2語音識別系統(tǒng)的發(fā)展

2.1語音識別系統(tǒng)的發(fā)展方向

語音識別系統(tǒng)是基于一套應(yīng)用軟件系統(tǒng)的硬件平臺和操作系統(tǒng)的一些。語音識別一般分為兩個步驟。第一步是學(xué)習(xí)或培訓(xùn)。這一階段的任務(wù)是建立基本單元的聲學(xué)模型來進行識別和模型的語音語法分析等。第二步是識別或測試。根據(jù)識別系統(tǒng)的類型可以滿足一個識別方法的要求，使用語音分析的方法來分析語音特征參數(shù)，并建立了比較和測量系統(tǒng)模型，根據(jù)一定的標準，鑒定結(jié)果。

語音識別系統(tǒng)的應(yīng)用可分為兩個發(fā)展方向，其中一個是大詞匯連續(xù)語音識別系統(tǒng)，主要應(yīng)用于計算機的聽寫機，以及結(jié)合電話網(wǎng)或互聯(lián)網(wǎng)的語音信息服務(wù)系統(tǒng)，這些系統(tǒng)是在計算機平臺上的一個重要發(fā)展方向。其次是應(yīng)用的小型化，便攜式音頻產(chǎn)品，如無線移動電話的撥號，語音控制車載設(shè)備，智能玩具，家用電器和其他方面的應(yīng)用的遠程控制，這些應(yīng)用系統(tǒng)大多采用特殊的硬件系統(tǒng)來實現(xiàn)，特別是語音信號處理芯片和語音識別芯片，最近幾年快速發(fā)展，為其廣泛應(yīng)用創(chuàng)造了極為有利的條件。

2.2語音識別系統(tǒng)的模型與模式

語音識別系統(tǒng)的核心是聲學(xué)模型和模式分類。首先通過學(xué)習(xí)算法，訓(xùn)練語音聲學(xué)模型的特點是通過學(xué)習(xí)過程來生成聲學(xué)模型，這是識別潛在的模型的前提，是最關(guān)鍵的語音識別系統(tǒng)的一部分。聲學(xué)模型的目的是提供一種有效的方法來計算特征向量的聲音序列和每個發(fā)音模板之間的距離。人的發(fā)音在每一刻發(fā)音之前和之后都會受到影響。

為了模仿自然連續(xù)的協(xié)同發(fā)音和識別不同的發(fā)音，通常需要使用復(fù)雜的聲學(xué)模型。聲學(xué)模型和語言的發(fā)音特點的設(shè)計是密切相關(guān)的。聲學(xué)模型單元大小與單詞發(fā)音，音節(jié)模式和音位語音訓(xùn)練數(shù)據(jù)大小有關(guān)，故要求其系統(tǒng)識別具有很大的靈活性。大詞匯量語音識別系統(tǒng)，通常采用較小的單元和少量的計算，該模型只有較小的存儲容量，減少訓(xùn)練數(shù)據(jù)的數(shù)量，但相應(yīng)的聲音定位和分割問題就顯得更加困難，規(guī)則識別模型變得越來越復(fù)雜。通常大型模型中識別單元包括協(xié)同發(fā)音，這有利于提高系統(tǒng)的識別率，但訓(xùn)練數(shù)據(jù)也相對增加。必須根據(jù)不同語言的特點來識別詞匯，詞匯量大小決定單位大小。

參考文獻

篇4

關(guān)鍵詞：語音識別技術(shù)；計算機輔助語言；應(yīng)用；綜述

中圖分類號：TP391.6 文獻標識碼：A 文章編號：1674-7712 （2014） 12-0000-02

隨著全球化的發(fā)展，越來越多的人想掌握一門外語，而傳統(tǒng)的語言教學(xué)已不能滿足人們的這一需求。計算機輔助語言學(xué)習(xí)（Computer Assisted Language Learning，縮寫CALL）伴隨著這一時代背景應(yīng)運而生。CALL是在一定的語言學(xué)和心理學(xué)的理論基礎(chǔ)之上，利用計算機技術(shù)和信息技術(shù)輔助、推進語言學(xué)習(xí)。目前，許多CALL學(xué)習(xí)軟件大多是把各類資料集成在一起，基本上不能對學(xué)習(xí)者給出有效的反饋信息。語音識別技術(shù)的應(yīng)用使得CALL系統(tǒng)可以具有發(fā)音評測的功能，能夠幫助學(xué)習(xí)者及時發(fā)現(xiàn)和糾正錯誤發(fā)音，避免重復(fù)錯誤發(fā)音形成習(xí)慣，從而極大提高了學(xué)習(xí)者的學(xué)習(xí)效率。

一、計算機輔助語言學(xué)習(xí)（CALL）及其特點

（一）計算機輔助語言學(xué)習(xí)（CALL）簡介

語言作為我們的日常交流工具，在經(jīng)濟全球化發(fā)展的今天，它的社會功能也越來越凸顯。隨著國際交流的日益頻繁，越來越多的人想掌握一門第二語言，語言學(xué)習(xí)也成為了教育領(lǐng)域的一大熱點。

語言學(xué)習(xí)的直接目的就是提高學(xué)生的交際能力，而這一能力最直接的體現(xiàn)就是口語表達。傳統(tǒng)的師生教學(xué)是語言學(xué)習(xí)的主要方式，在這種教學(xué)方式下口語的教學(xué)主要是采用教師講解發(fā)音方式和發(fā)音演示，學(xué)生跟讀訓(xùn)練的方法?？梢哉f這樣的學(xué)習(xí)方式在口語學(xué)習(xí)中是至關(guān)重要且卓有成效的，但卻是不夠的。隨著計算機技術(shù)和信息技術(shù)的迅猛發(fā)展，CALL已成為當今外語教學(xué)發(fā)展的一個新趨勢。作為一種新的學(xué)習(xí)方式，它主要是在一定的語言學(xué)和心理學(xué)的理論基礎(chǔ)之上，利用計算機和信息技術(shù)輔助和推進外語的教學(xué)。

CALL是外語學(xué)習(xí)的新趨勢，它在中國的應(yīng)用已經(jīng)有近20年的歷史，但直到多媒體技術(shù)的出現(xiàn)，它才真正進入外語教學(xué)的課堂?？梢灶A(yù)見CALL作為一種教育技術(shù)在教學(xué)中的運用是外語學(xué)習(xí)發(fā)展的必然趨勢。

（二）計算機輔助語言學(xué)習(xí)（CALL）的應(yīng)用及其特點

CALL始于二十世紀五十年代的美國，在語言教學(xué)中的應(yīng)用始于二十世紀六十年代。其發(fā)展大致經(jīng)歷了行為主義階段、交際法階段、綜合法階段[1]。

1.行為主義階段（Behavioristic CALL）

60年代，當時的應(yīng)用主要為CAI（Computer-Aided Instruction）課件（courseware）的開發(fā)與利用，課件以行為主義（behaviorism）為理論基礎(chǔ)。按照該理論，斯金納設(shè)計了便于及時強化的程序教學(xué)機器和便于進行程序教學(xué)的程序[2]。程序教學(xué)主張把教學(xué)目標和內(nèi)容分解成很小的單元，按照嚴格的邏輯順序編制程序，將教學(xué)信息轉(zhuǎn)換成一系列問題與答案，電腦呈現(xiàn)一個問題（S），學(xué)生提供一個答案（R），答對給予獎勵，答錯給予懲罰，獎勵或懲罰緊隨反應(yīng)之后，這樣通過一步步地強化使學(xué)生掌握教學(xué)內(nèi)容，最終達到預(yù)期的目標。

這時CALL軟件的特點是：計算機僅作為提供素材和指令的工具，將各知識點以固定方式組織起來；允許學(xué)生根據(jù)自己的步調(diào)自定學(xué)習(xí)進度和速度，但學(xué)習(xí)過程完全由計算機程序控制；計算機向?qū)W生提供大量的練習(xí)，練習(xí)的答案往往是唯一的，學(xué)生的回答沒有自主性和靈活性。

2.交際法階段（Communicative CALL）

20世紀80年代，計算機的功能大大加強，微機（microcomputer，或稱個人電腦 personal computer）開始應(yīng)用于教育。CAI課件的設(shè)計原則轉(zhuǎn)向以認知心理學(xué)為主導(dǎo)，強調(diào)學(xué)習(xí)者的心理特征和認知規(guī)律，遵循認知的信息加工理論，把學(xué)習(xí)看作是學(xué)習(xí)者根據(jù)自己的態(tài)度、興趣、愛好和需要，利用原有的認知結(jié)構(gòu)，對當前外部刺激所提供的信息做出主動、有選擇的信息加工。這一時期CALL軟件的代表是著名學(xué)者安德遜（Aderson）根據(jù)認知學(xué)習(xí)理論，研制出的”高中幾何智能輔助教學(xué)系統(tǒng)”，它實現(xiàn)了對學(xué)生求解幾何問題思維過程的自動跟蹤和控制。

這一時期CALL軟件的特點是：計算機能夠根據(jù)學(xué)習(xí)者的需求和特點進行個別教學(xué)，但由于心理學(xué)對人類學(xué)習(xí)規(guī)律認識不全面和人工智能技術(shù)的發(fā)展不成熟，CALL軟件離個別化教學(xué)還有一段距離。

3.綜合法階段（Integrative CALL）

80年代后期并持續(xù)至今，多媒體技術(shù)與網(wǎng)絡(luò)技術(shù)取得突破性發(fā)展，尤其是因特網(wǎng)的出現(xiàn)及其迅猛發(fā)展不僅改變了傳統(tǒng)的生產(chǎn)方式、生活方式和思維方式，也改變了人們的教育觀念和學(xué)習(xí)方式，引起了一場教育革命。

同時期崛起的建構(gòu)主義（constructivism）學(xué)習(xí)理論成為這場教育革命中革新傳統(tǒng)教學(xué)的理論基礎(chǔ)。建構(gòu)主義學(xué)習(xí)理論與認知語言學(xué)、社會語言學(xué)、第二語言習(xí)得的理論等構(gòu)成綜合法的理論基礎(chǔ)。其中社會語言學(xué)的影響尤為明顯，它強調(diào)在語言學(xué)習(xí)中要為學(xué)生提供真實的社會交際，使他們能夠掌握社會所需要的語言技能（Warshauer&Meskill，1998）。而實現(xiàn)這一目的的最好方法是使學(xué)生參與有意義的任務(wù)型學(xué)習(xí)（task-based learning）。通過專題學(xué)習(xí)（thematic learning）、項目型學(xué)習(xí)（project-based learning）、協(xié)作式學(xué)習(xí)（collaborative learning）、跨文化學(xué)習(xí)（cross-cultural learning）等多種方法，在兼學(xué)知識、文化的同時學(xué)習(xí)語言。

這一時期CALL軟件的特點是：（1）計算機作為認知工具、情感交流及協(xié)作學(xué)習(xí)工具，起到導(dǎo)師、伙伴的作用；（2）提倡為外語學(xué)習(xí)創(chuàng)造真實的情境，開展有意義的、有創(chuàng)造性的語言交際活動；（3）提倡將語言的學(xué)習(xí)與計算機技能的學(xué)習(xí)及使用結(jié)合起來，培養(yǎng)學(xué)生具有21世紀網(wǎng)絡(luò)時代所需要的外語交際能力（Warshauer，1996；Warshauer，Shetzer，&Meloni，2000）。

由此可以看出，CALL經(jīng)歷的三個階段伴隨著教育學(xué)、心理學(xué)、計算機技術(shù)和信息技術(shù)的發(fā)展而發(fā)展，CALL系統(tǒng)的設(shè)計也向著交互性、個性化、針對性和創(chuàng)造性的方向發(fā)展。

二、語音識別技術(shù)在CALL系統(tǒng)的應(yīng)用

（一）語音識別技術(shù)簡介

語音識別技術(shù)，也被稱為自動語音識別技術(shù)（Automatic Speech Recognition，ASR），其目標是讓機器也能夠像人一樣具有聽覺功能，直接接受人的語言，能理解人的意圖，并做出相應(yīng)的反應(yīng)。

最早的基于電子計算機的語音識別系統(tǒng)是50年代由AT&T貝爾實驗室開發(fā)的Audrey語音識別系統(tǒng)，它能夠識別10個英文數(shù)字[3]；60和70年代，線性預(yù)測編碼（Linear Predictive Coding LPC）及動態(tài)時間規(guī)整（Dynamic Time Warp DTW）技術(shù)的提出有效的解決了語音信號的特征提取和不等長的匹配問題[4]，實現(xiàn)了特定人孤立詞語音識別系統(tǒng)；80年代和90年代，隱馬爾科夫（HMM）模型和人工神經(jīng)元網(wǎng)絡(luò)（ANN）的成功應(yīng)用，使得語音識別系統(tǒng)的性能比以往更優(yōu)異，實現(xiàn)了大詞匯量、連續(xù)語音和非特定人的語音識別。隨著多媒體時代的到來，語音識別技術(shù)逐漸從實驗室走向應(yīng)用，其代表有：Via Voice、Whisper、Voice Tone、Voice Action、Siri等。

21世紀，互聯(lián)網(wǎng)和移動通信技術(shù)的發(fā)展給語音識別帶來了新的契機，語音識別應(yīng)用已經(jīng)延伸到各個方面，如通訊領(lǐng)域、計算機語音檢索系統(tǒng)、自動化控制等。語音識別技術(shù)已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)，是一門既有理論價值又有實際意義的重要學(xué)科。

（二）語音識別技術(shù)的基本原理

從技術(shù)上看，語音識別屬于模式識別的范疇，其系統(tǒng)結(jié)構(gòu)與模式識別具有相似之處。不同的語音識別系統(tǒng)在具體實現(xiàn)細節(jié)上有所不同，但所采用的原理基本是相似的。首先要對輸入的語音信號進行預(yù)處理，并抽取所需的語音特征，在此基礎(chǔ)上建立語音識別所需的語音模板。在識別過程中，將輸入的語音信號的特征與己存在的語音模板進行比較，并根據(jù)一定的搜索，找出最優(yōu)的與輸入的語音相匹配的模板。最后，給出計算機的識別結(jié)果。其識別過程如圖1：

圖1

（三）語音識別技術(shù)在CALL中的應(yīng)用

隨著計算機技術(shù)和信息技術(shù)的發(fā)展，CALL已成為現(xiàn)代教育技術(shù)在教育領(lǐng)域一個重要應(yīng)用。但最初的CALL主要應(yīng)用在文字閱讀和語言理解能力的訓(xùn)練，現(xiàn)存的CALL系統(tǒng)也大多側(cè)重單詞、語法的學(xué)習(xí)[5]，很少關(guān)注語言發(fā)音訓(xùn)練。語音技術(shù)的不斷發(fā)展和成熟為學(xué)習(xí)者發(fā)音練習(xí)提供了可能，它在CALL中最直接的應(yīng)用就是幫助用戶更好地練習(xí)語言發(fā)音。

CALL中引入語音識別技術(shù)，改變了傳統(tǒng)的語言學(xué)習(xí)方式，使得學(xué)習(xí)者能夠?qū)ψ约旱陌l(fā)音做出客觀的評價。基于語音識別技術(shù)的CALL已成為計算機輔助語言學(xué)習(xí)系統(tǒng)研究的熱點，不少公司和科研機構(gòu)也投入了大量的人力、物力、財力在研究開發(fā)相關(guān)的發(fā)音學(xué)習(xí)系統(tǒng)，并且出現(xiàn)了一些較為成熟的產(chǎn)品。如“Pronunciation”、“Tell Me More”等，這些系統(tǒng)采用提供語音信號波形圖的方式讓學(xué)習(xí)者進行模仿，這種方式只是給學(xué)習(xí)者技術(shù)上的沖擊感，對改善他們的發(fā)音并沒有實際的幫助。國內(nèi)許多英語學(xué)習(xí)軟件都是把各類英語資料（文本、圖片、音頻、視頻）累積在一起，基本上不能對學(xué)習(xí)者給出有效的反饋信息，即便加入了語音識別功能，其功能類似于復(fù)讀機，即只能給學(xué)習(xí)者提供發(fā)音演示、錄音跟讀的功能，如“說寶堂”、“e百分”等產(chǎn)品。由于很少有軟件會對學(xué)習(xí)者的發(fā)音做出一個整體的評分，也不能準確定位和檢測學(xué)習(xí)者的發(fā)音錯誤，更沒有對學(xué)習(xí)者的錯誤發(fā)音做出一個反饋和矯正，加之學(xué)習(xí)者因為自身水平限制，很難完全發(fā)現(xiàn)錯誤、糾正不正確的發(fā)音。故此，軟件發(fā)音錯誤矯正的功能顯得尤為重要?；谡Z音識別技術(shù)的CALL系統(tǒng)對于語言學(xué)習(xí)者來說是一個有效的輔助語言學(xué)習(xí)的平臺，為了有效的促進語言學(xué)習(xí)，它應(yīng)該具備如圖2所示的功能。

圖2

通過分析我們可以發(fā)現(xiàn)，目前語音識別技術(shù)在CALL中的應(yīng)用取得了一些進展，但是仍然有一些問題等待解決和克服。目前的一些困難和問題主要集中在產(chǎn)品設(shè)計理念和技術(shù)實現(xiàn)上兩個方面。

在產(chǎn)品設(shè)計理念上我們需要考慮以下幾個問題：（1）教育軟件的設(shè)計和開發(fā)應(yīng)該應(yīng)考慮學(xué)習(xí)者的需求，以學(xué)習(xí)者為中心；（2）教育軟件的設(shè)計應(yīng)該考慮教育學(xué)和教育心理學(xué)的相關(guān)理論，避免書本知識的搬家；（3）考慮學(xué)習(xí)者認知的個體差異性，為學(xué)生提供多元化學(xué)習(xí)的認知工具。

在技術(shù)實現(xiàn)上我們需要考慮以下幾個問題：（1）選擇合適的識別基元以提高識別率；（2）對語音信號的端點更加精確的檢測，即判斷語音信號的開始和結(jié)尾以提高識別的準確率；（3）對給定的發(fā)音進行錯誤檢測和糾正，尋找合理的評分機制，并對學(xué)習(xí)者的發(fā)音進行及時、客觀的反饋；（4）提高預(yù)處理階段語音信號的信噪比；（5）選擇高效的識別算法以減少識別時的搜索范圍，提高識別速度。

四、結(jié)束語

本文分別介紹了語音識別技術(shù)和CALL，然后對語音識別技術(shù)在CALL中的應(yīng)用進行了綜述，并探討了設(shè)計基于語音識別技術(shù)的CALL系統(tǒng)時需要考慮的問題。語音識別技術(shù)作為一種逐漸成熟的技術(shù)，它是基于語音識別技術(shù)的CALL系統(tǒng)的基礎(chǔ)與核心?；谡Z音識別技術(shù)的CALL是一種新的、有效的學(xué)習(xí)方式，它能夠有效的促進學(xué)習(xí)者口語水平的提高，也是CALL系統(tǒng)的一個重要發(fā)展方向。

參考文獻：

[1]楊芳，曹揚波.計算機輔助語言學(xué)習(xí)的發(fā)展與前景[J].中國科技信息，2011（02）.

[2]何克抗，李文光.教育技術(shù)學(xué)[M].北京：北京師范大學(xué)出版社，2009.

[3]詹新明，黃南山，楊燦.語音識別技術(shù)研究進展[J].現(xiàn)代計算機，2008（09）.

[4]馬莉，黨幼云.特定人孤立詞語音識別系統(tǒng)的仿真與分析[J].西安工程科技學(xué)院學(xué)報，2007（06）.

篇5

關(guān)鍵字：形象識別；VI設(shè)計；餐飲服務(wù)；整合藝術(shù)

中圖分類號： S611 文獻標識碼： A

企業(yè)形象識別（CIS），是企業(yè)通過策劃和形象識別，讓被策劃的某品牌從大眾品牌中識別的技巧與理論統(tǒng)稱。它包括理念、行為與視覺識別三個部分，并且這三個部分相互作用、聯(lián)系、配合。根據(jù)服務(wù)的易逝性、無形性、異質(zhì)性以及和消費、生產(chǎn)的同時性等特征影響，產(chǎn)品實物和服務(wù)生產(chǎn)表現(xiàn)出完全不同的特征，同時，統(tǒng)一、嚴謹?shù)姆?wù)理論很大程度上也制約了它的發(fā)展。自上個世紀八十年代，顧客與服務(wù)提供者的服務(wù)接觸開始成為服務(wù)和管理的關(guān)鍵環(huán)節(jié)以來，餐飲服務(wù)藝術(shù)與形象識別理論越來越被重視。

一、VI在餐飲空間的整合傳播

（一）VI在餐飲空間的特點

VI是在企業(yè)經(jīng)營理念下，通過平面設(shè)計將企業(yè)的市場定位和內(nèi)在氣質(zhì)形象化、視覺化的結(jié)果；同時它也是獨立法人和周邊經(jīng)營、社會環(huán)境溝通、聯(lián)系、區(qū)別最常用、直接的平臺。在大力發(fā)展營銷的當下，如果企業(yè)沒有VI，不僅會影響視覺形象的清晰度，還會影響企業(yè)規(guī)模和文化。優(yōu)秀的VI是和普通企業(yè)形成差異的主要因素，并且保障企業(yè)活動中的不可替代性和獨立性，幫助企業(yè)明確定位，所以說它屬于無形資產(chǎn)的關(guān)鍵元素。在傳達企業(yè)文化與經(jīng)營理念的過程中，用生動的視覺效果進行企業(yè)文化宣傳，用自身的視覺系統(tǒng)吸引公眾，讓消費者對企業(yè)產(chǎn)品與服務(wù)形成忠誠度。

另外，它還能幫助企業(yè)提升認同感?；A(chǔ)部分能廣泛應(yīng)用到交通設(shè)備、員工服裝、櫥窗設(shè)計、建筑系統(tǒng)、外觀指示、戶外用品、辦公招牌、用品包裝、產(chǎn)品廣告、陳列宣傳、公務(wù)環(huán)境、企業(yè)禮品以及印刷等，具體到餐廳logo、環(huán)境、外觀、員工服飾、廣告用品等一系列和餐廳相關(guān)的設(shè)計因素，形象的VI設(shè)計，能讓餐廳空間具有空間感，并且和其他店面區(qū)別開來。

（二）VI在空間的文化與地域整合

從室內(nèi)設(shè)計的特征來看，它是從空間色彩、形態(tài)、材料、陳設(shè)、肌理、裝飾和整體性空間意境表現(xiàn)的結(jié)果。地域形式主要由風(fēng)俗人情、文化禮儀、生活形式、自然風(fēng)情、歷史文化、自然環(huán)境以及本地用材等因素構(gòu)成。利用VI進行餐廳形象設(shè)計、整體規(guī)劃、陳設(shè)布置，能幫助其擁有良好的品牌形象。主要表現(xiàn)在以下幾個方面：

1、空間形態(tài)

在空間形態(tài)上，通過改造與重現(xiàn)空間形式，給消費者特別的感受。例如：蒙古大營就可以利用本地的文化風(fēng)俗，進行現(xiàn)代化設(shè)計，在彩繪、穹頂以及柱廊雕刻中，展現(xiàn)現(xiàn)代化的蒙古包特性。

2、色彩設(shè)計

在平面設(shè)計中，審美設(shè)計是在各種地理、政治、民族、習(xí)俗、宗教的發(fā)展中生成的，所以引發(fā)的色彩寓意和喜好也有很大差異。

3、設(shè)計陳設(shè)

在設(shè)計中，陳設(shè)又分成裝飾性與功能性陳設(shè)兩種。它的范圍包括墻壁懸掛的各種圖片、藝術(shù)、壁掛等，具體如：供奉的佛像、懸掛的樣品、各式器具等都能烘托餐飲空間和整體性主題。

4、視聽

在餐飲平面設(shè)計中，提升顧客體驗元素的形式主要表現(xiàn)在：體驗情境、觸動、回味和視聽上?？梢試@當?shù)氐哪硞€元素以及餐廳發(fā)展過程，將某個主題作為中心，進行材質(zhì)、形態(tài)、聲響、色彩、觸感、裝飾等全方位的設(shè)計，從而達到深化用餐感受的效果。

二、形象識別在餐飲服務(wù)藝術(shù)中的應(yīng)用

（一）VI在餐飲空間的應(yīng)用

Logo不僅是某個企業(yè)文字與圖像的組合，同時也是以企業(yè)構(gòu)造、類別、經(jīng)營方式為理念，在接觸外部環(huán)境與對象的過程中，為其制定新型的視覺符號。它作為標志性符號，經(jīng)常作為裝飾元素進行應(yīng)用，印在菜牌、餐具、餐巾紙上。從整體來看，餐飲空間的內(nèi)部裝潢、名字顏色、字體、桌椅風(fēng)格以及大廳擺設(shè)等；從細節(jié)來看，餐廳服務(wù)員的菜單、服裝、桌牌、餐具、訂餐卡、員工名片等都在VI系統(tǒng)，過程就是導(dǎo)入過程。

在設(shè)計中，墻面、地面、隔斷、前臺、雅間、洗手間、大廳等，不管是什么形態(tài)、顏色都必須采用統(tǒng)一的設(shè)計方式進行，幫助企業(yè)塑造形象和品牌凝聚力。在VI設(shè)計中，不僅要體現(xiàn)在空間領(lǐng)域，還要整合環(huán)境色彩、材質(zhì)、燈光配置、綠色植被、空間設(shè)置等，并且讓空間和VI有著緊密的搭配。

（二）企業(yè)形象識別系統(tǒng)優(yōu)勢

在餐飲服務(wù)設(shè)計中，企業(yè)形象很注重個別系統(tǒng)的統(tǒng)一性與一體化，形象識別系統(tǒng)作為服務(wù)活動、經(jīng)營活動、銷售等一系列行為構(gòu)成的系統(tǒng)，它具有一體化特征，從企業(yè)思想、行為識別到視覺形象，形象識別都能展現(xiàn)行動、思想、視覺上的共同特征。同時這也是企業(yè)統(tǒng)一性、已提醒管理與經(jīng)營必不可少的部分。例如：傳統(tǒng)餐飲管理主要從業(yè)務(wù)特征上進行考察，然后再設(shè)定各種規(guī)章、準則，這樣就會讓其缺乏精神與物質(zhì)上的聯(lián)系。企業(yè)形象識別不只是管理手段，更是新型的文化體系。所以講企業(yè)形象引用到現(xiàn)代餐飲管理中，能拉近經(jīng)營思想和企業(yè)管理之間的聯(lián)系，讓員工行為更具有凝聚力和統(tǒng)攝力。

企業(yè)形象識別作為整合性系統(tǒng)，它能充分發(fā)揮各個系統(tǒng)功能。當其作為整體系統(tǒng)發(fā)揮作用時，它具有單獨、孤立作用下沒有的特性，也就是整體大于部分之和。例如：在廣告中，將企業(yè)形象應(yīng)用在餐飲廣告中，必然會涉及形象識別，所以，在廣告出現(xiàn)時，餐飲企業(yè)的服務(wù)質(zhì)量、促銷配合、識別宣傳就能提高，通過為其鋪路、搭臺、烘托氛圍，逐步提高廣告效應(yīng)，反之廣告活動也為餐飲公關(guān)、促銷、理念進行了宣傳。

（三）企業(yè)形象識別存在問題

從目前的餐飲業(yè)應(yīng)用形象識別理論進程來看：企業(yè)形象識別還處于理論較松散、偏實踐的狀態(tài)。如：企業(yè)形象識別在美國是一種思想，在日本則是提高內(nèi)部凝聚力的重要方法。從當前的企業(yè)形象識別體系來看，企業(yè)形象依然缺乏有效的信息反饋方式，這是企業(yè)形象識別需要考慮的問題，也是實踐探究必須正視的元素。因此，在現(xiàn)代餐飲形象識別中，必須注重自身不足，并且做好修正、彌補工作。

另外，企業(yè)形象識別也需要一定的實施條件。它的高起點策略，主要體現(xiàn)在市場發(fā)展和內(nèi)部需求上，很多中高檔企業(yè)由于服務(wù)質(zhì)量、企業(yè)管理起步相對較早，在經(jīng)驗、資金、員工素質(zhì)達標的情況，擁有實施形象識別的條件；而國內(nèi)目前的餐飲企業(yè)，很多都不具有完備的條件，服務(wù)質(zhì)量、組織結(jié)構(gòu)都有待提高。

（四）企業(yè)形象識別應(yīng)用必要性和方法

從餐飲業(yè)發(fā)展來看，為了適應(yīng)市場需求，將企業(yè)形象應(yīng)用到餐飲行業(yè)是時代的需要。隨著人口增加，第三產(chǎn)業(yè)比重上升，餐飲業(yè)將呈現(xiàn)出良好的發(fā)展空間和激烈的競爭形勢。在餐飲行業(yè)國際化的大趨勢下，國內(nèi)餐飲業(yè)面臨著國外市場，所以必須快速和國際市場接軌。但是，我們也應(yīng)該看到：國內(nèi)餐飲業(yè)和國際還存在很大差距，不僅表現(xiàn)在監(jiān)督、服務(wù)和投資上，還必須及時做好導(dǎo)入和設(shè)計工作，提高服務(wù)觀念，快速解決各種問題。因此，在實際工作中，餐飲企業(yè)必須正視餐飲識別系統(tǒng)，把握導(dǎo)入時機，在導(dǎo)入時，根據(jù)VI設(shè)計要求，強化工作進程。

結(jié)束語：

餐飲服務(wù)藝術(shù)作為一項系統(tǒng)、復(fù)雜的工作，將形象識別理論應(yīng)用在餐飲業(yè)中，對提高服務(wù)質(zhì)量與工作效益具有很大作用。因此，在實際工作中，必須把握VI設(shè)計特點以及實際情況，從各方面完善餐飲服務(wù)質(zhì)量，促進餐飲企業(yè)發(fā)展。

參考文獻：

[1] 徐冉,陸曉云.基于形象識別理論的餐飲服務(wù)藝術(shù)淺析[J].黑龍江科技信息,2014,(19):287-287.

[2] 鮑堯.基于服務(wù)接觸視角的服務(wù)品牌權(quán)益影響因素研究[D].東南大學(xué),2010.

[3] 嚴海岸.CIS中VI設(shè)計的數(shù)字化技術(shù)與應(yīng)用[D].山東大學(xué),2011.

篇6

關(guān)鍵詞：PCA變換；k近鄰法；數(shù)字識別

中圖分類號：TP391

1PCA的基本思想

PCA是采取一種數(shù)學(xué)降維的方法，找出幾個綜合變量來代替原來眾多的變量，使這些綜合變量能盡可能地代表原來變量的信息量，而且彼此之間互不相關(guān)。這種將把多個變量化為少數(shù)幾個互相無關(guān)的綜合變量的統(tǒng)計分析方法就叫做主成分分析或主分量分析。

PCA所要做的就是設(shè)法將原來眾多具有一定相關(guān)性的變量，重新組合為一組新的相互無關(guān)的綜合變量來代替原來變量。通常，數(shù)學(xué)上的處理方法就是將原來的變量做線性組合，作為新的綜合變量，但是這種組合如果不加以限制，則可以有很多，應(yīng)該如何選擇呢？如果將選取的第一個線性組合即第一個綜合變量記為F1，自然希望它盡可能多地反映原來變量的信息，這里“信息”用方差來測量，即希望Var（F1）越大，表示F1包含的信息越多。因此在所有的線性組合中所選取的F1應(yīng)該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來p個變量的信息，再考慮選取F2即第二個線性組合，為了有效地反映原來信息，F(xiàn)1已有的信息就不需要再出現(xiàn)在F2中，通過數(shù)學(xué)表達就是要求Cov（F1，F(xiàn)2）=0，稱F2為第二主成分，依此構(gòu)造出第三、四……第p個主成分。

2k近鄰法

2.1模式識別方法

模式識別是指對事物、現(xiàn)象的相關(guān)信息進行分析、處理從而進行有效的辨認、描述的過程，首先，選擇一定的樣本，結(jié)合樣本間的相似度設(shè)計對識別樣本進行分類決策的分類器。由預(yù)處理、模式特征或基元選擇、識別組成，系統(tǒng)的簡單框圖如下圖所示：

模式識別簡單框圖

2.2K-近鄰法決策

一般意義上講，在知道系統(tǒng)分布密度的條件下，Bayes理論所設(shè)計的分類器性能最越優(yōu)，然而，在實際應(yīng)用過程中，繁瑣的系統(tǒng)分部密度求取經(jīng)常給人們帶來很多的不方便，且很多時候，參數(shù)或概率密度函數(shù)未知，所以，Bayes方法沒能廣泛應(yīng)用，非參數(shù)模式識別分類方法一般能更好的解決模式識別分類問題，實際應(yīng)用廣泛。

k近鄰法是非數(shù)模式識別決策分類方法中最重要的方法之一，它無須估計概率、概密度函數(shù)而結(jié)合樣本特征信息進行決策的模式識別分類方法，如果準備了訓(xùn)練樣本，該分類技術(shù)根據(jù)最近距離給識別模式給予分類，而不進行訓(xùn)練，具有直觀、簡單、高效等諸多特點。

設(shè)：c個類別ω1，ω2，…ωc的模式識別問題，ωi類中有Ni個樣本向量xj（i），（i=1，2，…，c；j=1，2…，Ni），訓(xùn)練樣本（所有類別）的總數(shù)： 。

在定義模式相似性測度后才能劃分模式的類別，并通過劃分模式類別來表征模式間的相似度。x、y之間的向量差可以度量模式特征向量x、y的相似度，記錄該向量差為距離d的歐式范數(shù)，即歐式距離：d（x，y）=||x-y||2=||x-y||。該距離具有平移不變性、旋轉(zhuǎn)不變性。

最近鄰法之模式識別分類思想為：待識別模式向量假設(shè)為x，計算x與各已知類別的樣本模式向量xj（i）的距離，把它判決為最短距離的樣本所屬類別。

由最近鄰法的分類思想給出定義ωi類的判斷識別函數(shù)為：

（1）

判別決策的規(guī)定原則為：如 ，則，把它判決為x∈ωm類。此方法研究距離x最近的訓(xùn)練樣本的類別來判決x的類別，所以，定義此方法為最近鄰法。

如果就單個樣本，難免會有偶然性效應(yīng)，為此，實際操作過程中，可以觀察待識別模式向量的k個臨近樣本，從而總結(jié)得出在這k個臨近樣本中所屬樣本最多的類別來決策類別，以增加分類的可靠性。設(shè)k1，k2，……，kc為x的最近鄰的k個樣本分別屬于ω1，ω2，…ωc類的樣本數(shù)，即 ；在ωi類中具備Ni個樣本訓(xùn)練模式向量xj（i），（i=1，2，…，c；j=1，2…，Ni），訓(xùn)練樣本（所有類別）的總數(shù)為 。

ωi類的判斷識別函數(shù)定義為gi（x）=ki，i=1，2，…，；判別決策的規(guī)定原則為：如 ，則，把它判決為x∈ωm類。此方法一般稱其為k-近鄰法。

k-近鄰法統(tǒng)計意義上的解釋由Cover和Hart給出，研究結(jié)果證明：當待識別模式向量x的最近鄰k和訓(xùn)練樣本總數(shù)N和∞，且k/N0時，k-近鄰法的分類誤識別率與Bayes決策的分類誤識別率相等，當樣本數(shù)量N∞時，k-近鄰法性能表現(xiàn)。

當k值小于各類樣本的最小值時，k值與算法的穩(wěn)健性成正比，即k值越大，算法越穩(wěn)健，如果不具備k值小于各類樣本的最小值，近鄰就不是樣本的局部近鄰，有研究指出k取值為 或 。k-近鄰法以k值為數(shù)，像票決一樣，盡可能避免票數(shù)相等，難以決策。在N趨于無窮大時，k-近鄰法的準確率要明顯高于最近鄰法。

3基于PCA變換和k近鄰法的印刷體識別算法設(shè)計

主元個數(shù) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

識別率 32% 78 86 90 88 86 90 88 86 86 88 90 88 92 92 92

4實驗結(jié)果及分析

通過PCA變換和k近鄰法的印刷體識別算法實驗可知，在主元個數(shù)在1-4時，識別率成明顯上升趨勢，主元個數(shù)在5-13時，識別率有上下波動的趨勢，主元個數(shù)大于14后，識別率趨于穩(wěn)定，且識別率達到92%。

參考文獻：

[1]章慎鋒,楊淑瑩,王厚雪.基于Bayes決策的手寫體數(shù)字識別[J].天津理工大學(xué)學(xué)報,2006.

[2]胡合興.經(jīng)驗?zāi)Ｐ头纸庠谑謱戵w數(shù)字識別中的應(yīng)用[J].湖南文理學(xué)院學(xué)報（自然科學(xué)版）,2005.

[3]唐,劉波,蔡自興,謝斌.基于二維主成分分析的交通標志牌識別[J].計算機科學(xué),2010.

篇7

關(guān)鍵詞：Speech SDK；語音識別；Voyager-IIA旅行家二號；教學(xué)平臺

中圖分類號：TP319 文獻標識碼：A 文章編號：1672-7800（2013）005-0096-02

0、引言

教學(xué)技術(shù)的進步關(guān)鍵在于構(gòu)建一個良好的輔助教學(xué)支撐平臺，通過該平臺教師可以方便地展示教學(xué)課程信息，學(xué)生利用該教學(xué)平臺可以進行科學(xué)實驗和工程實踐，以獲取真實的實驗數(shù)據(jù)。

機器人學(xué)作為一門綜合了機械、電子、計算機及人工智能、仿生等諸多專業(yè)的新興學(xué)科，在工程研究和應(yīng)用領(lǐng)域得到了越來越廣泛的重視。我國各大高等院校也紛紛開設(shè)與機器人相關(guān)的課程，這對普及機器人知識和加強其產(chǎn)業(yè)化進程無疑會起到重要的作用。

基于這種理念，設(shè)計了基于ARM11的智能語音識別機器人教學(xué)平臺。

1、語音識別機器人教學(xué)平臺現(xiàn)狀

教學(xué)技術(shù)平臺是開展各科教學(xué)的必要條件，是現(xiàn)代教育教學(xué)開展的基礎(chǔ)。從近年發(fā)展的情況看，各種教學(xué)平臺的設(shè)計與運用在教學(xué)過程中起著越來越重要的作用。如何設(shè)計滿足現(xiàn)代學(xué)習(xí)者需要的教學(xué)平臺？如何將計算機技術(shù)、通信技術(shù)、機器人技術(shù)發(fā)展優(yōu)勢同現(xiàn)代教學(xué)的需求結(jié)合起來？這是現(xiàn)在教學(xué)平臺發(fā)展至關(guān)重要的方面。現(xiàn)代教學(xué)平臺在技術(shù)發(fā)展驅(qū)動和現(xiàn)代教育應(yīng)用形態(tài)發(fā)展需求下，出現(xiàn)了許多不同的個性化教學(xué)技術(shù)平臺。

隨著人們對現(xiàn)代教育認識的加深和對傳統(tǒng)教育的反思，人們的知識觀和教育觀發(fā)生了很大變化。高校課程改革大舉推進，高等教育更要突出實踐、突出創(chuàng)新。高校課程要突出沉浸感、交互性、自主性等特征。教學(xué)平臺本身將從以教學(xué)機構(gòu)為中心逐步走向以學(xué)生為中心，教學(xué)平臺從提供教學(xué)內(nèi)容、教學(xué)產(chǎn)品轉(zhuǎn)向為學(xué)習(xí)服務(wù)的功能。

國內(nèi)外許多高等院校都已開展了機器人教學(xué)工作。麻省理工學(xué)院開設(shè)了認知機器人學(xué)、機器人學(xué)導(dǎo)論、自控機器人設(shè)計競賽和機器人編程競賽等課程，分別在航空航天學(xué)、機械工程學(xué)和電氣工程與計算機科學(xué)專業(yè)中開設(shè)；北京郵電大學(xué)為本科生開設(shè)了工業(yè)機器人技術(shù)，相應(yīng)的實驗課為機器人系統(tǒng)綜合性試驗；浙江大學(xué)自動控制系為本科生開設(shè)了機器人學(xué)，在校內(nèi)組織了多種形式的機器人競賽活動，包括FIRA小型足球機器人競賽、開放性公共目標機器人競賽等?？傊瑖鴥?nèi)外高校廣泛開展了以機器人為對象的教學(xué)平臺建設(shè)，開設(shè)機器人技術(shù)課程、開展本科畢業(yè)設(shè)計的機器人實踐活動以及多層次機器人競賽活動。

2、語音識別技術(shù)基本方法

語音識別技術(shù)目前的主流算法，主要有傳統(tǒng)的基于動態(tài)時間規(guī)整（DynamicTimeWarping，簡稱DTW）算法、基于非參數(shù)模型的矢量量化（Vector Quantization，簡稱VQ）方法、基于參數(shù)模型的隱馬爾可夫模型（Hidden Markov Mod—els，簡稱HMM）方法和基于人工神經(jīng)網(wǎng)絡(luò)（Artificial NeuralNetwork，簡稱ANN）等語音識別方法。

3、語音識別機器人教學(xué)平臺研究與設(shè)計

3.1 設(shè)計思路

語音識別機器人教學(xué)平臺，將Windows CE6.O系統(tǒng)定制和移植到以ARM11為處理器的核心板上，并且在Windows CE6.O系統(tǒng)上實現(xiàn)對機器人的語音控制，從而擺脫基于PC機控制的不便。在實現(xiàn)過程中，將應(yīng)用微軟公司開發(fā)的Speech SDK5.1為平臺，通過調(diào)用微軟的SpeechSDK語音識別引擎，使用開發(fā)板串口連接并驅(qū)動機器人執(zhí)行一些簡單的行為動作。

3.2 語音識別機器人教學(xué)平臺系統(tǒng)架構(gòu)

本教學(xué)系統(tǒng)采用的$3C6410是一款基于ARM11內(nèi)核的微控制器，其主頻達667MHz，并具有豐富的接口。本控制器（如圖1）的硬件主要包括采用ARM11內(nèi)核的$3C6410微處理器、機器人驅(qū)動器、電源、串口、麥克風(fēng)、揚聲器等。

本語音識別機器人，主要由開發(fā)板的麥克風(fēng)接口進行語音信號的采集，通過控制器擴展板進行語音信號的處理，處理時調(diào)用微軟的語音識別引擎進行語音信號的識別與合成，然后通過內(nèi)部編程由擴展板的串口向機器人發(fā)送相關(guān)的指令來驅(qū)動電機的轉(zhuǎn)動，從而實現(xiàn)機器人的左轉(zhuǎn)、右轉(zhuǎn)、前進、后退、停止等語音控制。

3.3 教學(xué)平臺系統(tǒng)移植模型

系統(tǒng)移植模型（如圖2）協(xié)助WindowsCE實現(xiàn)廣泛的硬件支持，同樣使用了工具和軟件接口技術(shù)整合的形式。這一層的可移植性主要在3個層面：CSP支持不同的處理器系統(tǒng)結(jié)構(gòu)；BSP支持不同的硬件主機板（I/0、總線等等）；驅(qū)動程序支持不同的。從工具的角度看，開發(fā)工具主要是以指導(dǎo)手冊的形式協(xié)助開發(fā)者配置修改一個具體的OAL。驅(qū)動模型被包括在Windows CE的類別驅(qū)動程序中，這些類別驅(qū)動程序一般由Windows CE操作系統(tǒng)提供。

3.4 語音識別類封裝及算法實現(xiàn)流程

語音識別過程是將自然語言轉(zhuǎn)換為數(shù)據(jù)信息的過程，語音識別技術(shù)也可以簡單描述成Speech-to-Text的識別。該語音識別系統(tǒng)的處理過程是：學(xué)習(xí)者通過語音輸入設(shè)備輸入語音信號，然后通過語音接收器接收語音數(shù)據(jù)轉(zhuǎn)化為數(shù)字信號，傳入語音識別引擎進行處理，語音識別引擎處理完成后傳遞給相關(guān)語音識別程序去處理相關(guān)應(yīng)用，從而達到利用語音來實現(xiàn)某種控制的效果。本系統(tǒng)的語音識別類封裝和語音識別算法實現(xiàn)流程如圖3所示。

篇8

14年前，志在語音識別的科大訊飛在合肥悄然成立，當時還被外界譏笑為“草臺班子”的這家本土創(chuàng)業(yè)公司，如今已經(jīng)發(fā)展成為亞太地區(qū)最大的語音上市公司。作為中國語音識別的“領(lǐng)頭羊”，科大訊飛的這個標簽還能貼多久？在科大訊飛副總裁兼創(chuàng)始人之一江濤看來，科大訊飛的突破點在于，提供語音識別的技術(shù)和服務(wù)，解放人們的雙手。

“草臺班子”的摸索

創(chuàng)業(yè)之初，科大訊飛希望改變?nèi)祟愂褂秒娔X的方式。但事實證明，時候未到。

上世紀90年代末，語音識別技術(shù)已經(jīng)在全球范圍內(nèi)掀起了一波熱潮，科大訊飛也是順著這股熱潮成立的?！氨藭r，IBM、英特爾等幾大主流科技公司也早已開始語音識別技術(shù)的研發(fā)和商業(yè)探索?！苯瓭嬖V《二十一世紀商業(yè)評論》（以下簡稱《21CBR》）。1998年IBM了第一個基于語音識別技術(shù)的產(chǎn)品。第二年全球科技十件大事之一便是IBM的語音識別技術(shù)，計算機第一次能夠進行語音輸入。除了IBM，英特爾、摩托羅拉、松下等很多國外巨頭也都開始在國內(nèi)設(shè)立語音研發(fā)中心，希望在人機交互和信息錄入領(lǐng)域搶占先機。

“但是在后來證明，這個技術(shù)和產(chǎn)品在當時的條件下是不成熟的?！苯瓭J為有兩個方面原因：一個是當時的語音針對PC，而PC相對于鍵盤和鼠標這些交互設(shè)備比較成熟，語音的需求并不夠迫切。另外，“當時整個云計算、移動互聯(lián)網(wǎng)的環(huán)境和體系還沒有形成。全是單機，在一臺機器上安裝一個語音識別系統(tǒng)需要鍛煉很久，使用成本太高?！?/p>

即便如此，直到2000年前后，中國的語音技術(shù)基本都掌握在IBM等大公司手中。而像科大訊飛這樣的本土創(chuàng)業(yè)公司，空有實驗室技術(shù)，在當時的環(huán)境下不知道該如何面向市場，面向用戶?！拔覀円恢钡?004年才盈虧平衡，在這個過程中我們沒有錢，也不知道該怎么開拓市場，所有人都是技術(shù)出身，都沒有產(chǎn)業(yè)經(jīng)驗?！苯瓭f。

創(chuàng)業(yè)之初，科大訊飛希望改變?nèi)祟愂褂秒娔X的方式?！拔覀儺敃r做了一個叫做‘暢言2000’的產(chǎn)品?？谔柺前焰I盤輸入的準確性、語音輸入的方便性、手寫輸入的隨意性融合在一起，它可以打開瀏覽器，打開Word，然后配合手寫板輸入內(nèi)容。”這是科大訊飛的第一個產(chǎn)品，一套軟件當時的定價是1000多元人民幣?！暗侨ツ睦锿茝V，怎么做推廣，我們完全不知道?！?/p>

隨著“暢言2000”以失敗告終，苦于推廣無門的科大訊飛第一次參加了當年的高交會?！爱敃r華為等一些做電信設(shè)備的廠商公司發(fā)現(xiàn)了我們，在他們的呼叫中心智能網(wǎng)中間有需要使用語音的地方，比如說語音合成，呼叫中心的語音播報，智能網(wǎng)中間的信息播報等?！焙芸?，迅飛便跟華為、中興等一些大的廠商對接上，成為它們的語音技術(shù)提供商。

“我們后來一想也是這樣，一個創(chuàng)業(yè)團隊沒有市場經(jīng)驗，也沒有市場能力，沒有資金，不可能去做‘2C’的市場，那個時候的條件也不具備。做‘2B’的市場，做自己擅長的部分，把技術(shù)提供給合作伙伴，然后合作伙伴去做對應(yīng)的應(yīng)用更可行?！苯瓭f。這是科大迅飛的第一桶金，也是第一個商業(yè)模式。“依靠這個模式，我們實現(xiàn)了盈虧平衡。到2004年，我們已經(jīng)是中國最大的語音技術(shù)提供商。”

在嘗到了做“技術(shù)提供商”的甜頭后，2004年，手機彩鈴被引進中國，“在沒有智能手機的時代，面對幾十萬首歌，用戶在電話里怎么選？”江濤說，為此，迅飛開發(fā)了針對音樂的語音搜索，“想下載誰的彩鈴，聽誰的歌，直接在電話里面語音搜索?！痹谶@個基礎(chǔ)上，迅飛進一步把技術(shù)應(yīng)用到跟音樂、彩鈴下載和搜索相關(guān)的其他領(lǐng)域。“現(xiàn)在聯(lián)通、電信，還有移動，相關(guān)于音樂的語音搜索技術(shù)全部由訊飛提供。”江濤說。

基于同樣的思路，迅飛開始把語音識別技術(shù)擴展到教育領(lǐng)域?！皬募夹g(shù)上看，針對這兩個領(lǐng)域，迅飛所做的事情主要是語音合成，把語音轉(zhuǎn)換成文字?！苯瓭嬖V《21CBR》，雖然在當時這個技術(shù)事實上已經(jīng)沒有門檻，但迅飛的優(yōu)勢在于做“技術(shù)提供商”的商業(yè)模式和針對細分領(lǐng)域提供的服務(wù)。目前，針對音樂和教育領(lǐng)域的收入依然是迅飛營收的主要來源之一?！艾F(xiàn)在音樂領(lǐng)域每年的收入大概在一個億左右?！?/p>

從技術(shù)到服務(wù)

語音識別不是完全靠算法能解決的，時間和數(shù)據(jù)積累才是最大的壁壘。

2008年前后，中國開始發(fā)放3G牌照，以蘋果、安卓為代表的智能機逐步興起?！拔覀冇X得這個時候語音技術(shù)真正的機會才出現(xiàn)，因為智能手機相對于PC來說，屏幕更小，輸入更不方便，語音在人機交互過程中顯得更有價值。”江濤說。目前，訊飛所開發(fā)的手機應(yīng)用訊飛語音已擁有超過2億用戶。

“我們現(xiàn)在最大的挑戰(zhàn)還是用戶的習(xí)慣，尤其是中國人覺得對著手機說話太傻了?！苯瓭f。好在隨著蘋果、谷歌加上騰訊的微信正在不斷地教育用戶的使用習(xí)慣，越來越多的人開始適應(yīng)這種跟機器的交流方式。

科大訊飛在移動互聯(lián)網(wǎng)領(lǐng)域的另一個產(chǎn)品是訊飛輸入法?！拔覀儚?011年開始做這個產(chǎn)品，當時訊飛沒有任何知名度，沒有品牌，完全靠用戶口碑來推廣?！苯瓭f。目前，訊飛輸入法的用戶超過8000萬。

盡管移動互聯(lián)網(wǎng)來勢洶洶，江濤和他的團隊還是希望把自己定位為“語音服務(wù)提供商”?！拔覀円环矫孢€會持續(xù)面向電視機、汽車、地圖等合作伙伴提供語音技術(shù)，另外一方面也會以輸入法這些產(chǎn)品為代表，面向用戶提供直接的交互服務(wù)和終端產(chǎn)品。”江濤告訴《21CBR》記者。目前，康佳、海爾、創(chuàng)維、海信等電視廠商都采用了迅飛語音識別技術(shù)和開發(fā)平臺。訊飛也與國內(nèi)主要汽車電子廠商及車廠等建立了合作，包括奇瑞、江淮、上汽、奧迪、德爾福、大陸電子、哈曼等，但這一領(lǐng)域?qū)緺I收的貢獻微乎其微。

從技術(shù)的角度來看，語音識別在過去20年的發(fā)展和進化過程中早已不再擁有高門檻。在外界看來，科大訊飛缺乏足夠?qū)拸V的護城河——掌握互聯(lián)網(wǎng)入口的企業(yè)百度、騰訊等巨頭，都在覬覦語音識別領(lǐng)域。而隨著3G網(wǎng)絡(luò)和智能終端的普及，這些條件又為語音識別打開了一扇新的大門。江濤也認為：“目前，就技術(shù)上的發(fā)展來講，語音識別的門檻的確不高，大數(shù)據(jù)云計算帶來了更加開闊的技術(shù)可能性和便利?！?/p>

篇9

上面這段并非筆者杜撰,而是著名的語音和圖像解決方案提供商Nuance公司研發(fā)工程總監(jiān)張亞昕為大家描述的語音識別技術(shù)在車載系統(tǒng)中的應(yīng)用情景。

其實,語音識別技術(shù)早已有之,1998年,飛利浦和摩托羅拉就將語音識別技術(shù)引入手機,但并沒有引起人們的關(guān)注,直到去年蘋果iphone 4里的Siri出現(xiàn),才讓人們真正開始關(guān)注語音識別。張亞昕認為,這主要是因為以前的技術(shù)只能進行特定詞匯的語音識別,而如今的語音識別技術(shù)可以識別自然語言,真正讓用戶體會到了流暢自然的人機交互體驗。

也許是因為汽車內(nèi)安全駕駛的重要性吧,語音識別技術(shù)特別受到了汽車市場的青睞。越來越多的汽車制造商開始在汽車中裝入語音識別接口,用于管理移動連接;同時提高駕駛安全系數(shù)。Strategy Analytics的統(tǒng)計表明,到2012年,中國原始設(shè)備制造商(OEM)所提供的具備語音人機接口的信息娛樂和車載信息通信系統(tǒng)(telematics)的出貨量將達到300萬臺,并預(yù)期在2018年達到20009萬臺。

但是,語音識別是非常耗費資源的一項工作,在目前的應(yīng)用中,用戶接口依賴于通用型硬件和軟件,一般采用通用的應(yīng)用處理器,語音識別只是眾多應(yīng)用中的一個程序,系統(tǒng)硬件無法為語音處理做出優(yōu)化,限制了處理速度和處理精度。例如,在車載GPS應(yīng)用中,地圖軟件的運行就會占據(jù)處理器很多資源,這種情況下,啟用語音識別將會給CPU帶來很大負擔(dān),處理能力上的不足會影響語音識別的速度和準確度,讓用戶體驗大打折扣。

篇10

關(guān)鍵詞：計算機仿真；語音識別；算法

引言

當下對于語音識別技術(shù)的研究處于初期階段，但現(xiàn)在市面上出現(xiàn)的大量語音識別的產(chǎn)品例如DragonDictation,Siri等表明語音識別技術(shù)還擁有巨大的發(fā)展與應(yīng)用空間。

1提出背景

目前大多數(shù)的語音識別設(shè)備在算法上都是基于傳統(tǒng)的GMM方式，傳統(tǒng)的GMM方式的核心思想是利用多個高斯分布的概率密度函數(shù)組合來描述特征矢量在概率空間的分布狀況。傳統(tǒng)的GMM方法需要先計算所有說話人模型的識別概率p,然后取識別概率最大的說話人模型作為識別結(jié)果。而人類在進行說話人識別時,是一邊聽取語音,一邊做出判斷,同時排除掉絕對不可能的說話人，在若干相似說話人之間選擇,當有很大的把握性時,做出最終判定。這不同于目前的機器識別方法,總是取固定時長的語音數(shù)據(jù),且對所有的說話人均同等對待。傳統(tǒng)的GMM模型在說話人集合很大時需要大量的數(shù)據(jù)收集和較長的處理時間，會影響到分辨說話人身份的準確性。所以我們需要一種更加高效，高可靠性的方式來改進當前主流的語音識別算法，更好的服務(wù)于當前信息化社會。

2自適應(yīng)模型

自適應(yīng)[1]是指處理和分析過程中，根據(jù)處理數(shù)據(jù)的數(shù)據(jù)特征自動調(diào)整處理方法、處理順序、處理參數(shù)、邊界條件或約束條件,使其與所處理數(shù)據(jù)的統(tǒng)計分布特征、結(jié)構(gòu)特征相適應(yīng),以取得最佳的處理效果。在特征提取階段，根據(jù)不同的說話人，選取不同長度的語音提取特征，對于易于區(qū)分的說話人，只選取少量語音就可以正確識別,對于難于區(qū)分的說話人，提取大量語音進行識別,從而在整體上減少了提取特征的時間;在識別階段,只選取少量語音進行總體說話人識別模型的識別概率計算,而選取較多的語音,對前期選取的識別概率較高的說話人模型計算識別概率，從而一方面保證不降低識別率，一方面大幅度減少識別時間。

3研究目標及主要內(nèi)容

3.1研究目標。我們研究的主要目標是通過MATLAB模型仿真功能，實現(xiàn)基于自適應(yīng)的語音識別技術(shù)來確定說話人身份。在收集到語音信號的后，完成對信號的處理，主要是基于MFCC的特征提取實現(xiàn)語音庫的搭建,之后使用自適應(yīng)的語音識別技術(shù)，將原先采集到的信息和后續(xù)說話人所說的語音在自適應(yīng)的模型下進行比對，來確定說話人是否為本人，并且借助設(shè)別對結(jié)果進行顯示，最終實現(xiàn)一個輸入-處理--輸出的語音識別平臺搭建。

3.2研究內(nèi)容。以MATLAB軟件為主要工具，配合所搭建的輸入設(shè)備，顯示設(shè)備完成一個可以應(yīng)用的說話人身份識別系統(tǒng)的搭建。（1）深入研究語音信號的采集方式，能夠?qū)⑼ㄟ^設(shè)備將采集到的語音信號進行處理，并在MATLAB中實現(xiàn)編程，為后續(xù)的語音識別提供素材。（2）通過研究自適應(yīng)模型的原理，設(shè)計基于其原理的算法，將（1）中經(jīng)過處理后的語音信號與應(yīng)用時輸入的語音信號進行識別，通過MATLAB完成計算，這一步是整個研究中最重要的部分，運算完成將給出處理結(jié)果。（3）搭建顯示設(shè)備，我們將MATLAB和單片機進行通信，MATLAB將識別結(jié)果傳輸給單片機，我們通過單片機來提供一個顯示說話人身份識別信息并與用戶交互的平臺。

4技術(shù)路線

4.1語音數(shù)據(jù)采集模塊。目前所有的語音識別方式都需要一個語音庫來進行匹配。基于自適應(yīng)的語音識別也要在語音庫的搭建上進行如下操作。4.1.1采集說話人語音。使用錄音筆在消音室中采集到說話人的聲音，我們會將模擬信號轉(zhuǎn)成數(shù)字信號，并且進行處理。為了得到高質(zhì)量的聲音信號，確保語音庫的精確性，我們選擇在消音室完成聲音采集工作。4.1.2特征提取及語音庫搭建。模擬信號進行A/D轉(zhuǎn)換后，我們要對數(shù)字信號進行處理，這里我們使用MFCC這種主流的語音信號特征提取方式來進行提取。MFCC[2]是基于了Mel頻率的倒譜系數(shù)，我們輸入樣本音頻，對樣本音頻預(yù)加重，分幀，加窗，再做傅里葉變換，進行Mel頻率濾波，進行Log對數(shù)能量提取等操作從而完成采集的語音的特征提取。這一步的核心還是將采集到的模擬信號按照A/D轉(zhuǎn)換使其成為可以通過MATLAB調(diào)用的數(shù)據(jù)。

4.2基于自適應(yīng)模型的語音識別模塊設(shè)計。這個模塊是我們的研究最核心的部分，我們基于這個模型來實現(xiàn)主要功能。4.2.1當說話人為陌生人，先排除。傳統(tǒng)的語音識別主要是將采集到的信號和原來收集的所有信號進行比對從而確定說話人身份，但這樣做有時會浪費時間，也可能出現(xiàn)誤差。而自適應(yīng)模型首先去做的就是特征抽取，將已經(jīng)采集到的語音數(shù)據(jù)進行處理，尋找到他們的共同特征，當需要識別的信號不符合這種特性的時候，我們首先要將其排除，這樣，在排除陌生人說話時會更加簡便。在我們對說話人識別前先把陌生人給排除，在說話者不是陌生人的情況下，我們會減少很多干擾因素，能夠節(jié)約識別時間，提高識別精度。4.2.2當說話人已經(jīng)在語音庫中，確定其身份。我們的算法主要是研究的對象是已經(jīng)將語音信息導(dǎo)入到語音庫中的人群，這里我們要用到SVM[3]技術(shù)，SVM是一個可以把低維下線性不可分的問題變成一個高維線性可分問題的技術(shù)。在我們自適應(yīng)語音識別說話人身份時，我們需要對收集到的語音數(shù)據(jù)進行分類。例如我們收集到1000組語音，按照收集到的語音特征分成250組，每組4個人。當說話人開始識別，我們先去找到這個說話人屬于哪個組，然后在這個4人小組里面在進行區(qū)分，這樣，我們把原先需要一一匹配的說話人識別僅僅需要幾步就可以實現(xiàn)。

4.3體現(xiàn)應(yīng)用的結(jié)果顯示模塊。使用一塊單片機與一塊顯示屏，通過Matlab中的設(shè)備控制箱將識別結(jié)果傳送到單片機，單片機依據(jù)識別結(jié)果在顯示屏進行顯示。

5結(jié)語

和當前主流的傳統(tǒng)高斯混合模型相比，我們設(shè)計出的基于自適應(yīng)的模型結(jié)構(gòu)，可以很大程度上減少在聲音識別前所需要收集的數(shù)據(jù)量，節(jié)約空間，同時由于自適應(yīng)算法的優(yōu)越性我們也能夠在提高語音識別的可靠性，很大程度上減少在識別過程中由于外部因素所造成的誤差。

引用：

[1]丁博，王懷民，史殿習(xí).構(gòu)造具備自適應(yīng)能力的軟件[J].軟件學(xué)報.2013（07）

[2]李澤，崔宣，馬雨廷等.MFCC和LPCC特征參數(shù)在說話人識別中的研究[J].河南工程學(xué)院學(xué)報.2010(06).