人的發(fā)聲器官可以分為兩個(gè)部 分，即聲道和聲帶。如果直接讓機器人理解我們說(shuō)的話(huà)，難度比較大，將人類(lèi)語(yǔ) 言轉化為機器人可以理解識別的信號，就是一個(gè)很好的途徑。如果將整個(gè)過(guò)程看 為一個(gè)信號過(guò)程的話(huà)，聲帶是發(fā)生源，聲道相當于一個(gè)諧振時(shí)的聲帶振動(dòng)，可用 一個(gè)脈沖串發(fā)生器代替。發(fā)一些有聲帶振動(dòng)的音時(shí)，可用一個(gè)脈沖串發(fā)生器代 替。發(fā)一些無(wú)振音的時(shí)候，因為聲帶并不振動(dòng)，而是從喉管發(fā)出的，只是一般的 隨機氣流，可以用一個(gè)噪聲發(fā)生器代替。上文介紹過(guò)，聲音的強弱是變化的，用 一個(gè)增益因子K 來(lái)表示的話(huà)

通過(guò)上面的辦法，我們可以把語(yǔ)音信號轉化為機器人能夠理解的電信號， 那么機器人又要怎樣去理解呢?

由于人類(lèi)的語(yǔ)言非常復雜，無(wú)論哪個(gè)民族，其詞匯量都非常大，即使是同一個(gè) 人，他的發(fā)音也隨著(zhù)環(huán)境及身體情況的變化而變化。目前在大詞匯語(yǔ)音識別方面處 于L先地位的IBM 語(yǔ)音研究小組，就是在70年代開(kāi)始了大詞匯語(yǔ)音識別研究工作 的 。AT&A 的貝爾研究所也開(kāi)始了一系列有關(guān)非特定人語(yǔ)音識別的實(shí)驗。這一研究 歷經(jīng)10年，其成果是確立了如何制作用于非特定人語(yǔ)音識別的標準模板的方法。

關(guān)于語(yǔ)音識別，表4-1介紹了三種主要模式。

頻譜圖法

將語(yǔ)音信號的頻譜沿著(zhù)時(shí)間軸加以展開(kāi)，制成頻譜圖。此法是取語(yǔ)音信號的頻率 特性作為比較基礎。此種方法識別精度一般，適用于對少量語(yǔ)音的識別，及對特定 人說(shuō)話(huà)的場(chǎng)合

LPC法

即線(xiàn)性預估編碼法，此法是對語(yǔ)音信號抽取LPC系數，然后與參考樣板的LPC系 數加以比較，計算出其間的“差距”。LPC法是模擬人的發(fā)音器官構造而設計的。因 此，LPC系數就代表發(fā)音器官腔調的不同狀態(tài)。此法也用于特定人的語(yǔ)音識別

隱藏式馬可夫模式

此法可用于非特定人的語(yǔ)音識別。即要識別不同人的發(fā)音，并且對同一個(gè)人發(fā)同一 個(gè)音，每次發(fā)音也未必一致。這需要有大量的“儲存”與“比較”。此法是采用“統 籌”的理論，建立語(yǔ)音的狀態(tài)轉移模式。經(jīng)大量的語(yǔ)音資料得出模式的“概率”,選 出“相似率”Z高者

語(yǔ)音識別系統的模型通常由聲學(xué)模型和語(yǔ)言模型兩部分組成，分別對應于 語(yǔ)音到音節概率的計算和音節到字概率的計算。在聲學(xué)模型方面，我們介紹一下 HMM 聲學(xué)模型。

HMM 聲學(xué)建模：馬爾可夫模型的概念是一個(gè)離散時(shí)域有限狀態(tài)自動(dòng)機，隱 馬爾可夫模型HMM 是指這一馬爾可夫模型的內部狀態(tài)外界不可見(jiàn)，外界只能看 到各個(gè)時(shí)刻的輸出值。對語(yǔ)音識別系統，輸出值通常就是從各個(gè)幀計算而得的聲 學(xué)特征。用HMM 刻畫(huà)語(yǔ)音信號需作出兩個(gè)假設，一是內部狀態(tài)的轉移只與上一 狀態(tài)有關(guān)，另一是輸出值只與當前狀態(tài)(或當前的狀態(tài)轉移)有關(guān)，這兩個(gè)假設 大大降低了模型的復雜度。HMM 的打分、解碼和訓練相應的算法是前向算法、 Viterbi算法和前向后向算法。

總的來(lái)說(shuō)，語(yǔ)音識別技術(shù)就是讓機器通過(guò)識別和理解過(guò)程把語(yǔ)音信號轉變 為相應的文本或命令的高技術(shù)，其技術(shù)流程圖如圖4-17所示。語(yǔ)音識別技術(shù)主 要包括特征提取技術(shù)、模式匹配準則及模型訓練技術(shù)三個(gè)方面。語(yǔ)音識別技術(shù)車(chē) 聯(lián)網(wǎng)也得到了充分的引用，例如在翼卡車(chē)聯(lián)網(wǎng)中，只需按照一鍵通客服人員口述 要求即可設置目的地直接導航，安全、便捷。語(yǔ)音識別技術(shù)正朝著(zhù)能識別任意人 發(fā)音的方向發(fā)展。