开发者学习笔记【阿里云人工智能工程师ACA认证(2023版):智能语音技术的相关技术(一)】
课程地址:https://edu.aliyun.com/course/3112108/lesson/19285
智能语音技术的相关技术(一)
内容介绍
一、 语音降噪与增强技术
二、语音识别技术介绍
三、语音唤醒技术介绍
四、智能语音技术的相关技术
五、 本节回顾
一、语音降噪与增强技术
我们来了解一下智能语音技术里的语音降噪与增强技术。
假如计算机想识别出一段路人对话,怎么样才能识别出对话的内容?因为语音的环境很复杂,肯定大部分的情况下都会有周边的声音,那嘈杂的声音可能会干扰到计算机,怎样处理这种情况?我们可以通过降噪与增强来处理,什么叫降噪与增强?降噪就是降低噪音,增强就是增强人声,所以这个降噪增强经常是放在一起来讲。
1、语音降噪与增强技术的定义与作用
语音降噪与增强技术的定义和作用,它的定义是什么样的?
语音降噪与增强就是尽可能的从在噪声的语音信号中提取有用的语音信号或者降低噪声的干扰的技术,就叫语音降噪与增强,在现实生活中,语音信号一般都是带有噪声的,或多或少都有,在我们进一步的来处理这个信号之前,比如要在做云音生识别,在这之前要对信号进行降噪或者增强,像下面这个图所示,这个人正在讲话,那他的声音通过麦克风采集,但是同时也会采集到周边环境的声音,那这个时候声波是这样的,人的声音和环境的声音都会进来,有可能环境的声音会很嘈杂,这个时候,我们通过将增强的技术把这个噪音尽量的去掉,去掉后得语音就变得清晰了,所以语音降噪增强有两个作用,一个是降低背景造成的干扰,改善语音的质量,提升停者的舒适感。再一个作用是它可以提高信息传达的效率。语音降噪与增强其实原它的应用领域非常的广泛,包括语音通话,电话会议场景录音注音设备和语音识别设备,语音增强语降噪的,往往都成了许多语音编码或者识别系统模块。
举个简单的例子,在手机的语音助手里面,比如说苹果的语音助手,都是其中的佼佼者。他们在近距离,无噪声的这种环境中进进行语音识别,它有着非常高的语音识别的准确率。但是,如果我们的这个场景变得复杂了,就如说你在展会,在街道这种场景里面,那这个时候,噪声这个影响会降低他们语音识别的这个准确律,所以说,云识别的前端降噪非常的重要。
还有在一些途听设备中,如果是普通的助听器,它就仅仅是实现一个语音的放大。复杂的一些的,它会在放大之后把这个噪声去掉,不然的话,声音放大之后,噪声也会放大,也会对这个用户造成天力的损伤。这个时候,语音降噪就变成了用忽视的一个方面,语音增强是数字信号处理的一个分支,其实已经发展了几十年的历史了。
这个领域虽然看起来很简单,把这个沉浸的语音恢复,但是其实里面涉及到的知识和算法是非常广泛,非常多样的,特别是最近几年新起来深度学习的方法,用深度学习的技术来做语音增强。
2、语音降噪与增强技术的研究思路——传统信号处理方法
语音降噪与增强技术的两种不同的研究思路,首先是用传统的数字信号处理的方法来做语音降噪与增强。
这种方法的原理是用物理或者是数学原理来进行推导,所以说它的适用性强,一般这种系统有比较好的耐性,也就是说比较强壮,该方法仍然是主流方法,历史悠久,有着很深的技术基建,是目前工程界进行语音降噪的主要思路。
这种传统的信号处理方法,一般它计算量小值调度问题,所以很容易满足实事情的降噪的要求,在这种传统的数字信号处理方式来做语音降噪增强的时候,通常按照他的通道的数目不同,可以划分为单通道的语音增强方法和麦克风阵列的语音增强方法。传统的单通道音增强方法里,对数字写信号处理的知识用较多,使语法和频语法都有以频率处理为主,而在这个麦克风阵列的语音增强方法里,由于用到了更多的麦克风,就考虑到了信号的空间信息,所以在移致特定方向的干扰进行语音分离等方面,会比单送到的语音增强更有优势,这种语音增强的方法现在在像智种音箱,这是机器人等等领域应用的比较多,然后它利用麦克风的优势,可以在原厂或者是更复杂的升学环境里面进行语音增强。
3、语音降噪与增强技术的研究思路——深度学习方法
随着人工智能技术的发展,语音造与增强技术出现了另一种研究思路深度学习方法,我们一起来看一下。
深度学习法在处理语音将噪易增强这个问题的时候,思路跟传统的方式完全不同,它不再是去研究基于数学或者是物理的原理推导,而是让机器去学习它的原理是这样的,它是用大量的语音数据或者是噪音数据来去训练网络学习相关的的特征,从而来实现降噪。使用这种的方式,它的性能变化的范围比较大,有可能在某些情况下性能很好,某些情况下,性能可能会很差,系统在新的环境下的路性较差。
由于这个模型和计算资源等等问题,它会限制这种方式在有限的系统里面使用,也就是说,他对计算资源的要求会比较高。另外一方面,这种方式可能难以保证实时的通信的需求,但是整体上来说,深度学习方法在降噪与增强技术上面还是有一席之地的,比如说在数字信号处理等于一些比较棘手的问题,比如说甚时噪声的消除,用这类方法定吸进可以很容易的得到解决,所以说,这类算法有可能是未来人工智能时代的语音增强的主流方向,已经有一厂商开发的这个手机里面用到了机器学习训练出来的模型,去用到这种复杂的语音的通话里面两种实现原理,他们的研究思路差异其实非常大,各有各的优劣,但是深度学习方法这个思路我觉得会更有想象空间,让我们拭一待。
二、语音识别技术介绍
1、语音识别技术的定义
语音识别技术的定义就是机器的视听系统,那它的英文是asi,那语音识别就是计算机通过识别和理解的过程,将人类的语音信号转换成相应的文本或者是命令,简而言之,就是将声音转换成文字的过程,这也是实现人机交互的关键技术。
近些年来,随着人工智能技术的兴起,语音识别技术在理论和应用方面都取得了较大的突破,开始从实验室走向市场,慢慢的走进了人们的生活当中,像我们这个图例有声音发出来之后,经过计算机听到之后,将语音转换成相应的文字,这个已经应用的非常广泛了。比如在学多的社交软件里面,可以把传送的这个语音直接转换成文字,也有很多的输入法,直接就可以把语音转换成文本的输入,而且准确率还都做得很不错,除了这种语音直接转成文本的这种功能之外,还有复杂一点的,比如说自动的大语音进行翻译,然后怎么样与语音实现控制,还有一些好玩的,比如说语音的验证码,语音的自动的客服,自动的服务,所以这项技术你可以用于很多领域,包括语音型户,大一平台这种客服等等语音识别技术的实现流程,
2、语音识别技术的实现流程
我们研究一下语音识别技术是怎么实现的,首先要理解一下语音识别技术的本质是什么?
它的本质其实是基于语音的语音特征参数的识别,通过学习系统能够把书的语音按照一定的模式进行分类,依据判定准则来找到最佳的匹配结果,这个就是语音识别的实现的流程强垄断的,大家要理解语音识别是前提取特征,然后再进行分类的这样一个过程,我们看图。对语音识别流程的一个描述。
首先我们要获得语音输入,取得语音输入之后,要对语音进行预处理,然后就是特征提取,这是很关键的一步,根据这个特征,根据这个特征去识别这段语音字到底是什么,然后这个对比一下它的相似度,这个过程叫相似度的度量,然后最后再输出结果。特征提取模块,它是负责计算语音的升学参数,然后进行特征的计算提取出来反映信号特征的关键的特征参数,用于后续的处理。这里还有一个模式库,那语音识别的系统里面可以有一个参考模式库,这个模式库也可以是用力用户来建立,用户可能进行若干词的训练语音,然后经过预处理和特征提取得到最后的特征适量参数,自己去建立这个模式库。所以我们看到有一些系统,比如说微软的缴纳,那它他在你跟他建立交互之前,他会让你去读一段文本,他就是在学习你的语音里面的一些特征,帮助提高对你的语音的识别的准确率。这个特征提取了跟模式库里面的进行相似性,这个算法有很多,就是度量的方式。可有很多理解起来就是去教一下这个人工智能,告诉他说这样的发音是什么,那么它的根据这个特征这个发的是什么意思?
那计算机的不断的学习,它就识别的越来越好了。以上就是语音识别技术的一般流程。