電子發燒友網>電子資料下載>電子資料>語音識別發展 Python進行語音識別案例

語音識別發展 Python進行語音識別案例

2734680 2023-07-19 | pdf | 0.72 MB | 次下載 | 免費

資料介紹

　　摘要：隨著信息化時代的快速到來以及計算機技術的不斷完善發展，語音識別在眾多領域都得到了應用，同時語音識別有著廣闊的發展前景。當下，在對語音識別的研究方面，研究人員大多以線性系統理論為基礎，采用隱馬爾可夫模型（HMM）、動態時間規整（DTW）、矢量量化（VQ）等技術。隨著研究的深入，發現以線性系統理論為基礎的方法和語音的非線性過程特性不能很好的融合，采用非線性理論研究成為了語音識別的重要突破口。人工神經網絡（ANN）等非線性理論成為了研究語音識別的熱點。采用Python語言進行深度學習與語音識別相結合的方法進行研究，希望能夠使語音識別在速度、準確度等方面得到較好的效果。介紹了Python在深度學習語音識別中的使用。通過實驗結果可以看出，DNN-HMM方法在準確率方面比GMM-HMM方法有所提高。

　　語言的出現加快了人類發展的歷程，更好的拉近了人與人之間的距離。隨著計算機技術的發展，通過語音傳遞信息已經不能僅僅局限于人與人之間，而是更多的延伸到了人與機器。怎樣才能使用語音完成人機交流，語音識別技術成為了完成這項任務的媒介。人通過語音向計算機發送指令，計算機則可以通過語音識別軟件將語音轉換為相應的計算機指令并做出響應，以達到人機交互的目的。當下，語音識別常用的方法主要包括：馬爾可夫模型（HMM）方法、動態時間規整（DTW）方法、矢量量化（VQ）方法。本文研究一種融合語音識別與深度學習的語音識別方法，旨在提高語音識別效率。