探索语音识别技术的前世今生

 自动语音识别技术(Automatic Speech Recognition-ASR)是一种实现从"声音"到"文字"转换的技术,通过将人的语音直接转换成相应的文本以便计算机进行理解和产生相应的操作,并最终实现人与机器之间的自然语音交互。语音识别就好比"机器的听觉系统",让机器通过识别和理解,能够把语音信号转变为相应的文本或命令,下面简要回顾语音识别技术的发展历程。     

智能语音:移动互联新入口争夺战

<正>古波斯神话中,当阿里巴巴说出"芝麻开门",宝库的厚重石门便会自动打开。时至今日,这一梦幻场景正随智能语音技术的发展,逐渐照进现实。经过多年技术积淀,智能语音成为当前企业抢夺移动互联入口的新战场。从苹果Siri、Google Now、微软必应语音搜索,到百度、盛大、讯飞、360、灵犀、虫洞……智能语音市场群雄逐鹿,呈现出白热化"井喷"的发展态势。     

中学语音整体教学实践例谈

在中学语文教学中，教师应该用整体性原则及学以致用原则来指导语音教学，还语音的本来面目，把语音教学有机地置入听、说、读、写的训练中。本文以毛泽东词《沁园春&;#183;长沙》为例，对这一教学实践策略作了具体的分析和阐释。     

词汇扩散理论评介

人们很早就注意到语音的变化,例如汉代王充说:“古今言殊,四处异谈”,刘熙说:“古者曰车,声如居……今曰车,声近舍”,他们已经认识到同一个字的古今读音是不同的。但是,把语音变化作为一种规律来研究,则是很晚的事了。前一个世纪建立的历史比较法,就是通过亲属语言的历史比较来研究语音的发展历史。开始的时侯,语言学家们并不认为语音的变化一定是无例外的。但是后来,随着这些例外一个个地被新的语音律所解释,特别是 Karl·Verner 解释了 Grimm 定律中的例外以后,人们开始设想语音的变化是非常规则     

中学语音整体教学实践例谈

在中学语文教学中，教师应该用整体性原则及学以致用原则来指导语音教学，还语音的本来面目，把语音教学有机地置入听、说、读、写的训练中。本文以毛泽东词《沁园春·长沙》为例，对这一教学实践策略作了具体的分析和阐释。     

关于基础阶段综合英语课程教学的思考

基础阶段综合英语的任务就是培养学生听、说、读、写、译方面的能力。本文对达成这一目标,提出了自己的一些认识:抓语音训练,帮学生过好语音关;听说领先,提高学生的听说能力;读写跟上,提高学生的阅读、写作及翻译能力。     

我说口语结构"我说"

对口语结构"我说"的语音表现、语义特征、句法结构、人称角色的转化及层次重叠等进行多角度分析,确定了消除"我说"歧义的语义条件、句法条件和语用条件,进而初步探讨在口语分析中如何贯彻语法三个平面结合的问题.     

科大讯飞:顶天立地,自主创新

<正>1999年,一群大学生创业团队开始创业,目前逐渐成长为引领科技潮流的语音巨头;公司的高层从创业至今,仍然保持着强大的凝聚力和向心力;彻底打破中文语音产业由国外巨头垄断的格局,发展成为亚太地区最大的语音上市公司,掌握着全球最先进的智能语音核心技术。"让世界聆听我们的声音",科大讯飞股份有限公司(以下简称科大讯飞)实现了华丽的转身。在过去的2016年,人工智能走过了从起步开始的第     

藏语语者英语单元音发音可视化矫正

藏语语者英语语音学习的现状和需求迫使研究者尽快开发出适合其语音学习的有效工具。该文利用"藏族人说汉语普通话、英语、藏语"声学特征语料库(CETTS)中的相关声学参数,建立直观易懂的舌位图模型辅助藏语语者了解其英语单元音的产出特点。在此舌位模型基础上设计舌位自我纠正软件,并通过为学习者提供实时的语音反馈,辅助其有针对性地改善自身的英语发音现状,从而提高交流时的可理解性。该舌位模型和舌位自我纠正软件可以应用于日常教学之中,来提高英语语音教学的效率。     

汉语语篇代词回指和名词回指的语音特性

通过语音实验和统计分析,从语音角度对汉语朗读语篇中代词回指与名词回指进行了考察。结果表明:第三人称代词回指形式"ta"的音高与时长表现与句法位置密切相关,且"ta"位于句首或分句首位置时,其语音表现与篇章层级有关;位于分句首的先行词比名词回指形式要重读,且之前的停顿时长更长。该研究属于语音层面与句法及以上层面的接口研究,可从语音角度丰富汉语篇章回指领域的研究、加深对汉语篇章回指现象的理解,所得结果在语音合成领域具有应用价值。     

Nuance:畅享自然语理解技术

解读Siri背后的语音技术占据全球2/3的语音市场份额、合作者多是跨国巨擘、开发创新的语音助理应用……全球领先的语音和语言技术公司Nuance发力中国语音应用市场。2011年10月,苹果公司推出iPhone 4S,其最大的亮点便是Siri这一智能语音工具。近一年后,中文版Siri让国内的苹果用户开始热衷于对着手机说出指令。在"调戏"Siri的热潮逐渐褪去后,人们发现,Siri的更方便之处在于设定闹钟、记录备忘、查询天气、搜索地图,而并非只用来消遣。之后的     

大学公共外语教学专用语音室最佳类型探析

通过大学英语共同课语音实验室的使用调查与使用实践研究 ,论述听音型语音实验室、听说型语音实验、听说对比型语音实验室、视听说对比型语音实验、多媒体语音实验室等各类语音实验室的原理 ,并对大学外语共同课使用语音实验室的最佳类型配套进行了探析 .     

二语心理词汇的发展模式

关于二语心理词汇的性质,心理学界主要有三种观点:语音说、语义说和句法说。本研究旨在通过自由联想测试调查二语心理词汇的性质与发展模式。研究结果表明二语心理词汇的性质则因学习者对二语心理词汇的掌握程度的差异而不同。不熟悉的二语心理词汇本质上是语音联系,语义联系较少;而较熟悉的二语心理词汇本质上以语义联系为主。这种区别表明二语心里词汇的发展模式;二语学习者对于二语心理词汇的认识是从语音到语义联系。     

一种基于域验证的垃圾语音安全防护检测方案设计

由于IP语音通信过程的时延敏感性以及内容理解上的困难,垃圾语音信息(SPIT)成为一种重要的安全威胁,SPIT的检测防护也成为亟待解决的关键问题.针对此问题,分析了垃圾语音信息的特点,并基于应用模式进行了分类.针对SPIT的防护,从"域验证"防护体系、"PULL"模式的SIP协议改进以及预分类协同三个方面阐述了垃圾语音过滤及检测方案.相关实现及验证表明,该方案能够较为有效地解决VoIP应用中的垃圾语音过滤及防范.     

浅谈语文教师的“说”

语文教师不但要能说,而且要会说,说得好。怎样才能掌握这“说”的艺术呢?首先要有标准化的语音;其次要有规范化的语言;再次要有条理化的讲解。在此基础上还要求语文教师的语言充满趣味性,生动活泼才能引人入胜。     

情感语音数据库优化及PAD情感模型量化标注

情感语音数据库是情感语音识别研究的基础,建立包含认知心理因素在内的维度情感语音数据库对提高识别率、改善人机交互能力具有重要意义。笔者首先对前期建立的摘引型TYUT2.0数据库进行语音听辨筛选,根据认同率阈值进行数据库优化,得到的情感语音数据库包含四种情感的语句237句,其中"悲伤"62句,"愤怒"58句,"高兴"57句,"惊奇"60句。然后利用PAD三维情感模型对该数据库语音进行标注,得到维度情感语音数据库。该数据库中的每句语音都有对应的听辨认同率以及PAD值。对每句语音的PAD值进行统计分析,证明了该维度情感语音数据库的有效性,为今后研究维度情感识别奠定了基础。     

语音语调与听力理解的制约关系

语言有三个要素,即语音、词汇和语法。语音是首要的、基本的,是语言的物质基础。著名语言学家弗思（Firth．J．R）指出：“没有语音也就没有口语的形态,没有语调也就没有句法。”语言作为交际工具,只有学会了语音才能张口说话,相互交流,表达自己的思想感情。听懂别人的意思。伦敦大学教授吉姆逊（A．C．Gimson）说：“不论讲任何一种语言,一个人都必须几乎百分之百地了解这种语言的语音,而只需了解百分之五十以上的语法知识和百分之一的词汇就足够了”,由此可见语音是语言三要素中最基本的要素,语音学习在学习语言中具有举足轻…     

培养学生获得宜于交际的语音能力的新思路(英文)

在外国语教学中 ,培养学生达到什么样的语音水平才是切实可行的呢 ?本文作者从近十年的英语教学中总结出这样一个事实 :很少有青年大学生在毕业时能够象教师预期的那样说一口“听起来像英国人说的”纯正、标准的英语。从这事实出发 ,作者依据相关的理论 ,提出了更切实际的语音学习的新思路 :即尽量使学习者按照“能被包括英国人在内的交际者听懂的”语音标准去训练、提高 ,而不是按照“说的像布莱尔首相”的程度去学习、模仿。     

黑龙江站话的形成及其主要特点

站话是黑龙江方言分区中的一个方言岛,是正处于急遽消变中的汉语濒危方言。它是黑龙江省境内部分清代驿站的站丁及其眷属以及他们的后裔所使用的一种特殊的行业语言,其形成与发展都具有一定的特殊性。由于众多原因,站话在语音、词汇、语法等方面的特征日趋弱化:语音阴平调为曲折调;一些词汇具有鲜明的色彩意义并反映站人的生活习俗;语法特点主要体现为少数虚词,如介词"比"、副词"诚"的特殊用法。     

英语语音象征的体验性新探

语音象征是针对语言任意说强有力的证据。作为一种音义联系的语言现象,它是音义学的研究范围,但不同的语言学理论对它有不同的解释。认知语言学提出了体验观,认为语言是基于体验的,这给探讨语音象征背后的理据提供了一个全新的视角,即语音象征的动因是体验。