Обработка речи - Speech processing

Эта статья посвящена электронной обработке речи. Для обработки речи в человеческом мозгу см. Обработка речи в мозгу.

Обработка речи это изучение речь сигналы и методы обработки сигналов. Сигналы обычно обрабатываются в цифровой представления, поэтому обработку речи можно рассматривать как частный случай цифровая обработка сигналов, применительно к речевые сигналы. Аспекты обработки речи включают в себя сбор, обработку, хранение, передачу и вывод речевых сигналов. Вход называется распознавание речи и вывод называется синтез речи.

История

Ранние попытки обработки и распознавания речи были в основном сосредоточены на понимании нескольких простых фонетический такие элементы, как гласные. В 1952 году трое исследователей Bell Labs, Стивен. Балашек, Р. Биддульф и К. Х. Дэвис разработали систему, которая могла распознавать цифры, произносимые одним говорящим.[1]

Кодирование с линейным прогнозированием (LPC), алгоритм обработки речи, был впервые предложен Фумитада Итакура из Нагойский университет и Сюдзо Сайто из Nippon Telegraph and Telephone (NTT) в 1966 году.[2] Дальнейшие разработки в технологии LPC были сделаны Бишну С. Атал и Манфред Р. Шредер в Bell Labs в течение 1970-х гг.[2] LPC был основой для передача голоса по IP (VoIP) технология,[2] а также синтезатор речи чипы, такие как Речевые чипы Texas Instruments LPC используется в Говорите и говорите игрушки 1978 года выпуска.[3]

Одним из первых коммерчески доступных продуктов для распознавания речи был Dragon Dictate, выпущенный в 1990 году. В 1992 году технология, разработанная Лоуренс Рабинер и другие в Bell Labs использовались AT&T в их службе обработки вызовов с распознаванием голоса для маршрутизации вызовов без участия оператора. К этому моменту словарный запас этих систем был больше, чем средний человеческий словарь.[4]

К началу 2000-х годов доминирующая стратегия обработки речи начала отходить от Скрытые марковские модели к более современным нейронные сети и глубокое обучение.[нужна цитата ]

Методы

Динамическое искажение времени

Основная статья: Динамическое искажение времени

Динамическое искажение времени (DTW) - это алгоритм для измерения сходства между двумя временные последовательности, который может отличаться по скорости. В общем, DTW - это метод, который вычисляет оптимальное совпадение между двумя заданными последовательностями (например, временными рядами) с определенными ограничениями и правилами. Оптимальное совпадение обозначается совпадением, которое удовлетворяет всем ограничениям и правилам и имеет минимальную стоимость, где стоимость вычисляется как сумма абсолютных различий для каждой согласованной пары индексов между их значениями.[нужна цитата ]

Скрытые марковские модели

Основная статья: Скрытая марковская модель

Скрытую марковскую модель можно представить как простейшую динамическая байесовская сеть. Цель алгоритма - оценить скрытую переменную x (t) по списку наблюдений y (t). Применяя Марковская собственность, то условное распределение вероятностей скрытой переменной Икс(т) вовремя т, учитывая значения скрытой переменной Икс всегда, зависит Только от значения скрытой переменной Икс(т - 1). Точно так же значение наблюдаемой переменной у(т) зависит только от значения скрытой переменной Икс(т) (оба одновременно т).[нужна цитата ]

Искусственные нейронные сети

Основная статья: Искусственная нейронная сеть

Искусственная нейронная сеть (ИНС) основана на наборе связанных блоков или узлов, называемых искусственные нейроны, которые свободно моделируют нейроны в биологическом мозг. Каждое соединение, как и синапсы в биологическом мозг, может передавать сигнал от одного искусственного нейрона к другому. Искусственный нейрон, который получает сигнал, может обработать его, а затем передать сигнал дополнительным искусственным нейронам, подключенным к нему. В обычных реализациях ИНС сигнал на соединении между искусственными нейронами представляет собой настоящий номер, и выходной сигнал каждого искусственного нейрона вычисляется некоторой нелинейной функцией суммы его входов.[нужна цитата ]

Приложения

Смотрите также

Рекомендации

  1. ^ Juang, B.-H .; Рабинер, Л. (2006), «Автоматическое распознавание речи: история», Энциклопедия языка и лингвистики, Elsevier, стр. 806–819, Дои:10.1016 / b0-08-044854-2 / ​​00906-8, ISBN  9780080448541
  2. ^ а б c Грей, Роберт М. (2010). "История цифровой речи в режиме реального времени в пакетных сетях: Часть II линейного прогнозного кодирования и Интернет-протокола" (PDF). Найденный. Тенденции сигнального процесса. 3 (4): 203–303. Дои:10.1561/2000000036. ISSN  1932-8346.
  3. ^ "VC&G - Интервью с VC&G: 30 лет спустя, Ричард Виггинс говорит о развитии речи и заклинания".
  4. ^ Хуанг, Сюэдун; Бейкер, Джеймс; Редди, Радж (01.01.2014). «Историческая перспектива распознавания речи». Коммуникации ACM. 57 (1): 94–103. Дои:10.1145/2500887. ISSN  0001-0782.