在線連續(xù)交互式英語語音智能識別系統(tǒng)設(shè)計

《在線連續(xù)交互式英語語音智能識別系統(tǒng)設(shè)計》由會員分享，可在線閱讀，更多相關(guān)《在線連續(xù)交互式英語語音智能識別系統(tǒng)設(shè)計（3頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、在線連續(xù)交互式英語語音智能識別系統(tǒng)設(shè)計 摘要：英語語音智能識別系統(tǒng)的開展方向是在線、連續(xù)性的人機交互，為此，設(shè)計在線連續(xù)交互式英語語音智能識別系統(tǒng)，并基于梅爾頻率倒譜系數(shù)設(shè)計語音識別函數(shù)。系統(tǒng)的參考數(shù)據(jù)庫選取NOSE算法計算語音評價分數(shù)并查錯，利用專家知識庫糾正用戶英語語音。系統(tǒng)由語音訓(xùn)練模塊和在線連續(xù)交互式識別模塊組成，前者為系統(tǒng)數(shù)據(jù)庫提供英語語音的語料、音標資源，后者實施系統(tǒng)數(shù)據(jù)庫的評價、糾正工作。實驗結(jié)果證明設(shè)計的系統(tǒng)語音識別率高且識別時間短，有效性強。關(guān)鍵詞：在線；連續(xù)交互式；語音；智能識別?34文獻標識碼：A文章編號：1004?373X〔2021〕15?0137?04Abstra

2、ct：ThedevelopmentdirectionofEnglishphoneticsintelligentrecognitionsystemtowardstheon?lineandcontinuoushuman?computerinteraction，thereforeanon??linecontinuousinteractivemodule.TheformerprovidesthecorpusandphoneticresourcesofEnglishphoneticsforthesystemdatabase.Thelatterperformstheevaluationandcorrect

3、ionforthesystemdatabase.Theexperimentalresultsshowthatthesystemhashighspeechrecognitionrate，shortrecognitiontime，andhigheffectiveness.Keywords：onlinesystem；continuousinteraction；voice；intelligentrecognitionsystem0引言英語是國際語言，隨著各國間經(jīng)濟、人文、科技等信息交流的不斷加深，英語語音智能識別漸漸成為信息技術(shù)領(lǐng)域的重點研究對象，其目標是使用機器達成設(shè)備與人類之間的語音交互，令設(shè)備更

4、加智能化，增加娛樂能力，為不方便進行鍵盤、鼠標錄入的人群提供便利。英語語音智能識別的目標符合現(xiàn)代化開展腳步，英語語音智能識別系統(tǒng)層出不窮，第一款識別系統(tǒng)名為Audry系統(tǒng)，各項性能比較完善，現(xiàn)已得到極大開展。最近新出的Audry系統(tǒng)利用數(shù)據(jù)庫計算手段從英語根底語法開始對語音的元音和獨立詞進行識別，識別率高，但識別時間長，只適合進行短小語句識別。1963年，由前蘇聯(lián)設(shè)計的端點檢測系統(tǒng)使用動態(tài)編程實現(xiàn)英語語音識別，系統(tǒng)的實時性不好，對在線、連續(xù)性的英語語音識別力不強。此后，著名的貝爾實驗室【1】改變了語音識別研究方向，設(shè)計出一個語音打印機，將英語語音翻譯在設(shè)備顯示屏上，再進行人機交互，在智能

5、中被普遍應(yīng)用，其功能少但識別精準。從1980年開始，HMM〔HiddenMarkovModel，隱馬爾可夫模型〕【2】系統(tǒng)進入到人們的生活中，其結(jié)合了Audry系統(tǒng)的計算手段以及語音打印機的人機交互能力并進行改善，從細節(jié)語音識別轉(zhuǎn)換成整體語音識別，增進了在線、連續(xù)性英語語音信號的平穩(wěn)性，是語音智能識別歷史中的重要里程碑。顯然，英語語音智能識別系統(tǒng)的開展方向是在線、連續(xù)性的人機交互，對識別效率要求高，如果能夠在最短的時間糾正語音錯誤，也可以極大提高系統(tǒng)識別率，這是在英語語音智能識別系統(tǒng)設(shè)計中的研究熱點。1在線連續(xù)交互式英語語音智能識別系統(tǒng)設(shè)計在線連續(xù)交互式英語語音智能識別系統(tǒng)主要由語音訓(xùn)練模塊和

6、在線連續(xù)交互式識別識別系統(tǒng)工作流程如圖1所示。系統(tǒng)擁有兩個數(shù)據(jù)庫，分別是參考數(shù)據(jù)庫和專家數(shù)據(jù)庫。參考數(shù)據(jù)庫的作用是對用戶英語語音進行評價，由英語標準發(fā)音特征進行訓(xùn)練。參考數(shù)據(jù)庫使用的語音評價算法是NOSE算法【3】，是一種非母語語音的口語評價技術(shù)。專家數(shù)據(jù)庫的作用是糾正用戶英語語音，它在常見的英語口語發(fā)音錯誤的根底上構(gòu)建。系統(tǒng)從用戶英語語音中提取特征，用訓(xùn)練成功的參考數(shù)據(jù)庫解碼英語語音，使用NOSE算法計算語音評價分數(shù)，將分數(shù)變更成能夠展現(xiàn)出用戶英語語音口語質(zhì)量的評價工程，之后對語音進行查錯，最后利用專家知識庫糾正用戶英語語音。由于在線連續(xù)交互式英語語音智能識別系統(tǒng)一般用于 和平板電腦，硬

7、件配備不多【4】，因此系統(tǒng)的工作流程必須完美實現(xiàn)，并在NOSE算法的計算過程中選取盡可能多的備選語音，制定英語音標順序，進而減少運算量，節(jié)約語音識別時間。1.2系統(tǒng)模塊資源設(shè)計1.2.1語音訓(xùn)練模塊語音訓(xùn)練模塊為參考數(shù)據(jù)庫和專家數(shù)據(jù)庫提供資源，資源包括英語語音的語料和音標，在線連續(xù)交互式英語語音智能識別系統(tǒng)的功能在很大程度上受限于數(shù)據(jù)庫資源，尤其是語料資源【5】。好的語料資源可增進識別結(jié)果的有效性，系統(tǒng)要求語音訓(xùn)練模塊的語料資源具有廣泛性、代表性和一致性三種特點【6】。廣泛性要求語料結(jié)構(gòu)類型兼容性強，涵蓋大多數(shù)的英語口語發(fā)音規(guī)那么。代表性要求語料資源中含有性別、年紀、語速和方言等資源。一致性要

8、求語料標記點具體且詳細，能夠與用戶英語語音對應(yīng)一致。組織我國多所不同地域的外國語大學教授錄制語料資源，男女人數(shù)各50人，每人錄制40分鐘英語語音，共計2300句，包含1600個英語單詞。錄制結(jié)束后對語音中的單詞等級進行標記，組成語料資源，表1為錄制過程中的英語語音采集標準識別模塊在線連續(xù)交互式識別模塊實施系統(tǒng)數(shù)據(jù)庫的評價、糾正工作，模塊將進行大量運算，需要處理芯片支持運算。DSP芯片【7】〔DigitalSignalProcessing，信號處理芯片〕適合處理數(shù)字信號，其體積小、價格廉價，適合安裝在 和平板電腦上使用。DSP芯片還具有強大的在線交互能力，處理速度快。在線連續(xù)交互式識別模塊選

9、擇的DSP芯片是OMAP5912ZZG[8]，該芯片內(nèi)部配置了開發(fā)工具，多媒體數(shù)據(jù)庫、DSP操作系統(tǒng)、鏈橋技術(shù)均能夠免費使用，圖2是OMAP5912ZZG芯片結(jié)構(gòu)。圖2中，OMAP5912ZZG芯片存儲處理器規(guī)格是250KB的隨存隨取存儲器，作用是對英語語音數(shù)據(jù)和液晶顯示屏的顯示數(shù)據(jù)進行緩沖。內(nèi)存卡用于進行系統(tǒng)內(nèi)存擴展，交互式矢量圖對音頻進行幀緩沖。英語語音在線連續(xù)交互的實現(xiàn)由存儲處理器完成，它支持多種處理模式。OMAP5912ZZG芯片能夠?qū)τ⒄Z語音識別任務(wù)進行內(nèi)存分配，并經(jīng)由以太網(wǎng)接口移植出語音識別函數(shù)。在線連續(xù)交互式識別模塊進行語音識別時，OMAP5912ZZG芯片的地位是協(xié)同處理器，主

10、處理器是用戶 或平板電腦上的微處理器。2語音識別函數(shù)設(shè)計語音識別函數(shù)是在線連續(xù)交互式英語語音智能識別系統(tǒng)的根底識別函數(shù)，識別流程如圖3所示。語音識別函數(shù)的本質(zhì)是一種梅爾頻率倒譜系數(shù)，在語音識別中具有能量特征，與音頻之間的關(guān)系是非線性的，符合人類聽覺神經(jīng)的信號收發(fā)特點，識別率高[9]。語音特征處理分為濾波、樣本采集、格式變更、信號增大和語音分幀。單元匹配指加窗操作，加窗的作用是平滑語音相鄰幀之間的信號。設(shè)是窗函數(shù)，是幀信號，為幀序列，那么可表示加窗后的語音幀信號。窗函數(shù)有三種形態(tài)，分別是矩形〔Rectangular〕、漢明〔Hanming〕和漢寧〔Hanning〕，表示如下：式中為幀數(shù)量。在

11、線連續(xù)交互式英語語音智能識別系統(tǒng)按照用戶英語語音特點自動選擇窗函數(shù)形態(tài)。詞性解碼與語法解析即為經(jīng)歷傅里葉變換的過程，可獲取到語音信號的頻率譜線，設(shè)是變換后的幀序列，有：設(shè)語音特征處理后的語音能量為經(jīng)余弦變換后得到語義解析結(jié)果：式〔4〕和式〔5〕給出的解析結(jié)果中存在一局部無用數(shù)據(jù)，有用數(shù)據(jù)主要存在于的區(qū)間內(nèi)，式〔6〕是刪除無用數(shù)據(jù)后的歸一化識別識別系統(tǒng)的有效性進行分析，本次實驗從標準的模式識別數(shù)據(jù)庫中提取語音訓(xùn)練集。訓(xùn)練集為“ContinuousonlineinteractiveEnglishspeechintelligentrecognitionsystemisverygood〞，共11個英文單詞。實驗的語音采樣頻率為20kHz；語音信號窗選擇24維漢明窗，長度是18ms，分幀243點，幀移75點；語音特征參數(shù)的矢量量化為48碼，量化后生成一個4270階的矩陣；11個單詞經(jīng)訓(xùn)練后都能輸出一個語音模型。圖4為實驗環(huán)境圖，為了防止安裝于 或平板電腦上的英語語音智能識別系統(tǒng)受到 硬件性能的限制無法發(fā)揮全部功能，統(tǒng)一在計算機上模擬高端 硬件性能進行實驗。