语音识别概述

此篇导图与语音识别概述有关，其内容主要讲述两部分的内容：语音生成以及语音感知，同时介绍了语音识别是什么，如何评估等内容

语音识别概述

• 是什么
  • 语音转文本
  • 让机器“听清楚”
• 如何评估
  • 错误类型
    • 删除、插入、替换错误
  • 指标
    • 准确性
      • 音素、字、词、句错误率
    • Efficiency
      • 实时率
• 分类标准
  • 说话人、语种、词汇量、设备、距离等
• 语音交互
  • 语音链条
• 语音生成
  • 信号源(声门)经过滤波器(口腔等器官)产生
    • 清音与浊音
    • 基频+共振峰
      • 共振峰
        • 决定音质
        • 不同元音会产生不同种类 的放大或共振
        • 第一和第二个共振峰(F1和F2)对于区分不同元音尤 为重要
    • 不同声调
      • 根据基频变化不同而定义
  • 音素
    • 定义
      • 一种语言中语音的“最小”单元
    • 分类
      • 辅音
        • 发音位置分类
          • 唇音、齿音等
        • 发音行为分类
          • 爆破音、鼻音、摩擦音等
      • 元音
        • 发音位置分类
          • 高度、前后、圆度等
    • 协同发音
      • 音素和上下文相关
    • 音素抄本
      • 一段语音对应的音素列表
  • 词/语素
    • 一种语言中最小的具有语义的结构单元
  • 音节
    • 定义
      • 元音和辅音结合构成一个音节
  • 对语音识别的意义
    • 直接使用声学语音特征
    • 信号的处理
      • 源-滤波器模型
      • 激励信息提取
    • 建模单元选取
      • 协同发音：上下文相关模型
      • 决策树聚类
• 语音感知
  • 接收器官
    • 人耳
      • 外耳、中耳、内耳
  • 感知量(主观心理)
    • 响度
      • 与声音强度有关
      • 闻阈与痛阈
      • 等响度曲线
      • 单位：phone（方）
    • 音色(音品)
      • 与频谱形状有关
    • 音调(音高)
      • 与基频有关
        • 转化公式
      • 单位：Mel（美）
  • 掩蔽效应
    • 指一个较强声音的附近，相对较弱的声音不易被人耳察觉
    • 同时掩蔽(频率掩蔽)
    • 异时掩蔽(时域掩蔽)
  • 对语音识别的意义
    • 特征工程、MFCC、PLP等
    • 语音编码、增强等