智能语音代理的多媒体阅读应用探析

提出了智能语音代理的构想,阐述了智能语音代理在多媒体网络教学系统中应用的必要性与意义,建构了智能语音代理的功能模型,讨论了当前多媒体网络教学在语音处理上存在的问题,论述了语音代理系统应具有的功能和在多媒体教学活动中的作用.     

现代计算机智能识别技术处理自然语言研究的应用与进展

以计算机智能识别技术为核心的基于自然语言处理的应用研究获得了长足的发展。不断获得实际的应用,使得基于计算机智能识别技术的自然语言处理研究成为语音识别的重点领域。以自然语言处理为对象,通过自然语言处理在文本及语音智能方面的具体应用为视点,分析说明计算机智能识别技术在自然语言方面的应用。最后,结合当今自然语言领域研究的现状,总结基于现代计算机智能识别技术的自然语言处理研究进展及其前景。     

多媒体网格在特殊教育无障碍中的应用

利用多媒体网格技术、TTS技术、Microsoft Speech SDK语音开发包,开发了基于多媒体网格的语音导航教学辅助系统。文中首先介绍了多媒体网格技术,其次对系统应用平台、系统资源管理架构和系统功能进行详细论述,最后给出了系统关键技术以及实现方法。该系统在特殊教育信息无障碍的应用领域中具有一定指导意义和实际的应用价值。     

MRCPv2在电信智能语音识别业务中的应用

随着自然语音识别技术的成熟,智能语音识别业务将会在传统电信行业迎来大发展,MRCPv2标准协议使得语音识别能力的集成变得更加方便快捷.该文详细介绍了MRCPv2协议的系统架构和控制流程,总结了MRCPv2协议的使用规范,并且通过MRCPv2在语音识别中状态机变迁、关键方法、事件以及重要消息头的讲解,对一次典型语音识别业务中MRCPv2协议的应用进行了详细的阐述.     

语音识别技术在数字图书馆检索系统中的应用

概要介绍了语音识别技术和微软语音开发应用程序接口(Microsoft Speech API,SAPI)。语音识别技术随着计算机技术的发展而逐渐成熟,使计算机能够识别用户的语音输入,记录下用户的语音信息并执行相应的命令。微软的SAPI是Windows操作系统下的语音识别开发平台,它开发快捷,有设计良好的运行机制、识别引擎和调用接口,能够模块化组件开发。其次,利用SAPI,设计实现了应用语音识别技术的数字图书馆检索系统。此系统使用户在使用数字图书馆时检索更加方便,读者说出想查询的内容,系统即可完成整个检索过程并显示查询结果。此系统基于SAPI平台开发,采用了MySQL作为后台数据库。此检索系统分为一站式检索和智能检索。其中,一站式检索为读者提供了通用语音识别框,读者检索时无需使用鼠标和键盘,只需说出自己想要查找内容的关键词即可查询。一站式检索系统不仅能够实现对图书馆数据库的关键词检索,而且在界面上还同步提示出可选关键词、现有馆藏书目、借阅情况等信息,协助用户检索信息。而智能检索是在一站式检索的基础上,结合了中文分词技术,进一步降低搜索难度方便用户使用。用户检索时无需考虑关键词、检索语法,只需像平时一样说出想检索的内容,检索系统会自动识别用户的语音,然后进行智能分词,再通过转换过程,过滤出关键词并生成专业的检索语法进行检索,并最终返回检索结果。整个识别、分词、转换过程由系统自动完成,无需读者干预。随着技术的进步,结合了语音识别的检索系统将使数字图书馆能够更加方便快捷地为读者服务。     

基于深度学习的智能语音问答系统研究

随着人工智能行业的不断发展,智能语音问答技术逐步得到国内外学者的广泛关注和研究,但是语音识别方面仍然存在两个技术瓶颈,第一是语音识别系统,第二是根据识别的语音进行问题的回答。基于此,开展了基于深度学习的智能语音问答系统研究。首先介绍了基于隐马尔科夫模型的语音识别系统,然后研究了基于梅尔频率的语音信号特征提取技术,并建立了声学和语言模型,最后研究了基于GRU算法的问答匹配模型,并基于以上模型开发了智能语音问答系统。经实际实验验证分析,文章所提出的算法在语音识别和问答的准确度方面都相比传统算法具有很高的精确度,本算法具有较大的实用价值。     

一种基于注意力机制的语音情感识别算法研究

随着语音识别和自然语言处理技术的成熟,智能语音技术逐步落地到各行各业,但目前智能语音产品缺乏情感的交互,未实现真正的智能。为了提升智能语音产品的拟人性,学术界对语音情感识别的研究热度越来越高,但是多局限在使用传统特征工程以及通用深度学习模型上。在应用深度学习模型的基础上引入注意力机制对语音情感识别展开研究,选用语谱图作为输入特征,并对CNN输出的特征进行通道维度的注意力关注,分析注意力计算过程中不同池化方式对识别结果的影响,并引入残差,提升模型表现力,最终UA实现了2.83%的提升。     

非特定语音识别技术在现代家居控制系统中的应用

该文介绍了语音识别技术的基本原理,以现代智能家居为背景,将非特定语音识别技术应用于智能家居控制系统中。通过非特定人语音识别技术,该系统能够正确地识别出人的语音控制命令,进行家电设备的智能语音控制,实现家电设备控制的智能化、便捷化。     

研究与产业互动机制与创新并驾--科大讯飞公司高速成长的启示

安徽中科大讯飞信息科技有限公司(以下简称科大讯飞)于1999年6月在国家智能计算机研究开发中心和中国科技大学人机语音通信实验室的基础上组建,以智能语音和语言技术为主要产业化方向,是专门从事中文语音及语言技术的软件开发、语音芯片设计、语音应用集成并提供全程技术支持和售后服务的高新技术企业.     

基于人工智能的外语听说训练应用研究

针对外语听说训练中的应用人工智能技术的需求,分析了基于人工智能技术的外语听说训练应用模式.以应用模式为切入点,详细分析了人工智能技术在外语听说训练应用中应解决的关键问题,提出了语音智能识别、训练素材智能采集与分类和训练效果智能评估这三项待解决的关键技术.结合未来技术的发展趋势,分析了基于人工智能技术的外语听说训练未来的发展趋势.     

NICT/ATR Chinese-Japanese-English Speech-to-Speech Translation System

This paper describes the latest version of the Chinese-Japanese-English handheld speech-tospeech translation system developed by NICT/ATR, which is now ready to be deployed for travelers. With the entire speech-to-speech translation function being implemented into one terminal, it realizes real-time, location-free speech-to-speech translation. A new noise-suppression technique notably improves the speech recognition performance. Corpus-based approaches of speech recognition, machine translation, and speech synthesis enable coverage of a wide variety of topics and portability to other languages. Test results show that the character accuracy of speech recognition is 82%-94% for Chinese speech, with a bilingual evaluation understudy score of machine translation is 0.55-0.74 for Chinese-Japanese and Chinese-English     

基于音频的数字媒体内容分析及其可视化

为了对音视频内容进行更加有效地分析,将信息可视化方法引入数字媒体信息处理领域。设计并实现了集多媒体信号采集、大词表连续语音识别、文本检索和音频检索为一身的多媒体内容可视化分析平台,取得了较理想的效果,充实了信息可视化理论并对其具体应用进行了有益尝试。     

一种基于语音识别技术的智能视频监控系统设计

针对传统视频监控系统中存在的不足,提出了一种将语音识别技术作为辅助的监控手段,构建具有主动预警、监控画面智能切换等功能的视频监控系统的设计方法;使用倒谱平均减(CMS)的方法抑制了传输设备不同带来的信道畸变对语音识别的影响;使用模型合并重估的方法解决了训练样本数据更新导致的所有数据重新训练的问题。仿真测试表明该系统预警准确、切换智能,对市场上传统视频监控系统的改进具有一定的指导作用。     

基于SPCE061A语音单片机的智能小车的控制

介绍一种智能小车控制系统的设计。该系统方案以SPCE061 A单片机为基础,实现对智能小车的语音控制。文中给出了系统的硬件构成,简述了SPCE061 A单片机的内部资源,分析了语音识别的基本原理,从软件设计角度具体阐述了特定人语音识别在智能小车上的实现过程。实验表明这种应用是成功的。     

一种新的语音端点检测方法及在智能轮椅人机交互中的应用

针对语音端点检测在一般噪音环境下易受影响,且能降低智能轮椅的语音识别率,提出了短时能量与倒谱距离相结合的语音端点检测方法.实验表明,该方法能提高整个语音识别系统的鲁棒性,通过语音识别控制轮椅的5个基本动作(前进、后退、左转、右转、停止)实现了智能轮椅运动的语音控制.     

语音增强用于抗噪声语音识别

语音识别系统通常是将在安静的环境下训练得到的参数应用于实际环境中。如果实际环境也是安静的 ,则语音识别系统可以令人满意地工作。然而 ,当实际环境中有噪声存在时 ,语音识别系统性能急剧下降。为了让语音识别系统在安静的环境和有噪声的环境中都获得令人满意的工作性能 ,研究了一个将语音增强器和语音识别器级连起来的系统。该系统中 ,语音增强作为前端处理用于提高识别器输入端信号的信噪比。通过 3种不同的增强算法用于纯净语音和3种类型带噪语音的实验结果分析比较表明 ,这一方法对纯净语音的识别精度几乎没有任何改变而大大提高了系统的抗噪声性能     

基于改进型DTW算法和MFCC的语音识别

采用模式匹配的识别技术,建立孤立词语音识别系统,基于MATLAB环境对O～9这10个数字语音进行仿真实验．在提取MFCC的基础上,整合差分倒谱参数作为语音的特征参数,并对现有的DTW算法加以改进,节省了系统匹配的计算时间,使其具有一定的鲁棒性．分别采集普通话语音和湖北、闽南、安徽3地方言的语音数据,体现了数据的完备性和系统的适用性．实验结果表明,基于改进型DTW算法和MFCC的语音识别系统具有较高识别率,取得了良好效果．     

Adaptive Compensation Algorithm in Open Vocabulary Mandarin Speaker-Independent Speech Recognition

IntroductionA speech signal is normally mixed with many kindsof noises,which can significantly decrease theperformance of a speech recognizer.The highconcentration of energy in the low frequency rangeobserved for most speech spectra is considered anuisance because it makes less relevant the energyof the signal at middle and high frequencies[1] .　The performance of automatic continuous speechrecognition (ACSR ) systems dramaticallydecreases when they are trained and used indifferent environm…