语音识别的原理是什么

语音识别的原理是什么

语音识别技术，也被称为自动语音识别，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；原理是动态时间伸缩方法使用瞬间的、变动倒频，1963年Bogert et al出版了《回声的时序倒频分析》，通过交换字母顺序，他们用一个含义广泛的词汇定义了一个新的信号处理技术，倒频谱的计算通常使用快速傅立叶变换；从1975年起，隐马尔可夫模型变得很流行，运用隐马尔可夫模型的方法，频谱特征的统计变差得以测量，文本无关语音识别方法的例子有平均频谱法、矢量量化法和多变量自回归法；平均频谱法使用有利的倒频距离，语音频谱中

语音识别中的CTC方法的基本原理是什么呢？

早期的训练语音模型的时候，我们需要标记每一帧的训练数据，这时候基本上是用传统的HMM和GMM做的。然后用标记了的数据去训练神经模型。端到端的方案是去处这部分非神经网络的处理阶段，而直接用CTC跟RNN来实现不需要标记到帧的训练数据来直接训练出语音模型，而不借助于其他（HMM，GMM）来训练神经网络模型。在传统的语音识别的模型中，我们对语音模型进行训练之前，往往都要将文本与语音进行严格的对齐操作。这样就有两点不太好：虽然现在已经有了一些比较成熟的开源对齐工具供大家使用，但是随着deep learning越来越火，有人就会想，能不能让我们的网络自己去学习对齐方式呢？因此CTC就应运而生啦。想一想，为什么CTC就不需要去对齐语音和文本呢？因为CTC它允许我们的神经网络在任意一个时间段预测label，只有一个要求：就是输出的序列顺序只要是正确的就ok啦~这样我们就不在需要让文本和语音严格对齐了，而且CTC输出的是整个序列标签，因此也不需要我们再去做一些后处理操作。对一段音频使用CTC和使用文本对齐的例子如下图所示：

声明： 我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本站部分文字与图片资源来自于网络，转载是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们(管理员邮箱：daokedao3713@qq.com)，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!