语音算法笔记(1)——基于深度学习的语音算法综述

发布时间:2022-08-19 11:59

声明:本专栏文章为深蓝学院《语音算法:前沿与应用》课程个人学习笔记,更多学习资源请咨询深蓝学院相关课程。

发展历史

机器阶段

Wolfgang von Kempelen‘s speaking machine 发声机器(语音合成 Mama Papa Haha)

Thomas Edison's 留声机

Radio Rex玩具 用户喊Rex,小狗从房子里出来 (语音唤醒,工作原理:电磁铁对500hz频率敏感,Rex词接近500hz)

模型阶段——更加科学、系统

Audrey 数字语音识别器(贝尔实验室,1952)模板匹配:训练集特征提取,存入模板集,测试集特征提取,和模板集比对

1970年代:逐渐使用统计学模型而不是语音学模型

1980年代:HMM模型,神经网络(神经网络输出因子序列,再输入HMM模型)

2010年代:算力和数据的提高,神经网络效果提升

2014年:端到端模型大规模应用在语音算法上

应用阶段

1990年代:Dragon Dictate,第一款语音识别商用软件,售价很高,不能很好分词,用户需要说完每个词之后有停顿

1997年:Dragon NaturallySpeaking,售价下降,不需要用户停顿,需要用户提供45min音频训练

2000年代:语音输入进入windows,mac等

2008年:google语音搜索(依托强大算力)

2011年:Siri on 苹果iphone4s

2014年:亚马逊智能音箱Echo(由近场->远场,体验感上升)

课程目标

基础理论

实际问题(VAD、噪声、延时等)

课程大纲

语音识别

语音转化成文字(较高噪声、远场、随机交谈)

应用:语音搜索、语音输入、语音助手

主要内容:GMM-HMM 1980-2010、DNN-HMM 2010、端到端 2014、Attention/Transformer、无监督(解决数据问题)、生产系统、设备端(手机算力、内存限制,模型优化需求增加)

唤醒词检测

关键词检测(需要一直开着:尽可能降低计算量,提升准确率)

应用:智能音箱、语音助手、车载系统

主要内容:基于模板、HMM、DNN、一些tricks

说话人识别

1:N(N个人中找一个)  1:1(一个人的比对确认)

应用:智能音箱、小额付款

主要内容:I-vector、D-vector、X-vector、和人脸识别的区别和联系、一些tricks

语音合成

合成和语音克隆

应用:语音助手、电子书、玩具

主要内容:基于拼接、Wavenet 、一些tricks

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号