共查询到20条相似文献,搜索用时 31 毫秒
1.
计算机语音识别与语音合成是现代人机交互的前沿技术,在CTI基础上采用有限词汇的语音识别与语音合成将克服某些不足,适当增加语音引导的层次也可以较好地改善交互式自动语音应答服务的效果,促进商业企业的客户服务,提升商场的竞争力. 相似文献
2.
本文主要对嵌入语音交互技术在智能家居中的应用存在的问题,提出硬件本地化语音交互系统,主要由语音合成电路,语音识别电路,交互脚本引擎和设备控制接口解决问题的技术途径,最终提出一种新的模式. 相似文献
3.
提出了一种基于TMS320VC549定点DSP微处理器芯片的语音信号压缩/解压缩处理系统。该系统采用TLC320AD50C模数、数模转换器,采样率为8kHz,处理能力为100MIPS。系统配置有大容量存储器,具备资源扩展能力,适用于语音信号压缩/解压缩和语音识别、语音合成等其他领域。实验结果表明。系统对语音信号的压缩解压缩处理具有稳定性、灵活性和通用性。 相似文献
4.
<正>01中国品牌:作为2022北京冬奥会的合作伙伴之一,科大讯飞汲取了什么经验?又将如何融入到未来的品牌战略中?杜兰:科大讯飞是北京2022年冬奥会和冬残奥会官方自动语音转换与翻译独家供应商,我们用科技的力量助力打造一个信息沟通无障碍的冬奥会。把多语种语音识别、语音合成、机器翻译、智能交互等各项技术用在冬奥会的场景中,帮助冬奥会实现“三个沟通无障碍”: 相似文献
5.
<正>一、语音电子商务的概述语音电子商务,是指人们可以利用声音识别和语音合成软件,通过任何固定或移动电话来获取信息和进行交易,速度快,还能使电话用户享受Internet的低廉费用服务。对于旅游企业或服务网站而言,语音电子商务将使电话中心实现自动化,降低成本,改善客户服务。呼叫中心,是常用的语音电子商务,原被认为是旅游电子商务网站的辅助性环节,而在实际发展中,呼叫中心越来越被认识到是保证整个服务系统顺畅运行,甚至是能够发挥更大作 相似文献
6.
7.
语音识别技术是通过计算机系统将人类语言的内容及意义进行识别,这个构想始于20世纪50年代。语音识别技术是以语音为研究对象,通过语音信号处理让机器自动识别和理解人类的语言,话音识别技术是一门涉及面很广的学科,与声学、语音学、语言学等都有着密切的联系。近些年来,随着科学技术的快速发展,电子信息产业发展更为全面,其中计算机系统的各方面功能不断强大,“语音识别”技术也取得了突破性进展,其应用范围也融入到各个领域。语音识别技术是以语音为研究对象,通过语音信号处理让机器自动识别和理解人类的语言。 相似文献
8.
9.
本文通过对低速率语音压缩编码对语音识别系统的影响进行分析,从而了解在当前语音识别技术不断快速发展的大背景下,如何能够更好地提升语音压缩编码的水平。低速率语音压缩编码会对系统的语音识别产生很大的影响,本文通过对三种语音压缩编码器进行分析,既比较了三者对语音识别产生的不同影响,又对其语音识别效果进行了分析。 相似文献
10.
11.
12.
云知声近期的频频亮相令其颇受关注。5月7日,乐视超级电视发布,集成了云知声的语音交互技术。外界评价称,"从现场演示效果看,识别准确度和识别效率方面都具有很高的水准。"除了乐视超级电视,云知声的合作方还有搜狗语音助手和锤子ROM。云知声借助自己的本地语音识别、云端语音识别,以及语义分析等技术为它们提供服务。 相似文献
13.
在介绍了语音识别技术的基础上,根据语音识别系统的构成模型,实现基于嵌入式系统的语音识别系统。本系统采用了能量过零率双门限法进行语音文件端点检测,采用线性预测倒谱系数作为语音信号特征矢量,另外,基于非特定人的嵌入式系统要求,为了达到减少计算量和存储量的目的,在特征参数提取完成之后,利用矢量量化方法进行数据压缩。语音识别模型采用(DHMM)离散隐马尔可夫模型,利用Baum-Welth重估算法、前向后向算法、viterbi算法来完成语音模板的训练和语音识别的任务。 相似文献
14.
本文提出了一种识别孤立词汉语语音的新方法,提取线性预测系数作为语音特征,利用矢量量化的聚类特性压缩数据,用多段码书作为语音样板,用最小失真法进行识别。 相似文献
15.
16.
17.
18.
二十多年前,语音识别技术还只是科研人员在实验室里描绘的一个梦想,但两个方面的进步终于促成了这一技术的发展与应用。一是半导体技术的发展使得以前只有在巨型机上才能进行的语音识别系统如今在微机上就可以实现。二是软件技术的演进也使得这项技术走向实用。如特征提取、语音的声学模型及相应的语言模型,模拟算法及自适应算法等都取得了长足的进展。语音处理正在革新这个世界,因为一旦赋予人类语音以力量之后,任何会说话的人都将能自由地应用这种技术。就应用而言,目前,在信息处理、教育与电子应用方面,语音识别技术都已经展现出了它的 相似文献
19.
胡岩松 《环球市场信息导报》2017,(44):95-95
本文所采用的一种SCHMM/ANN模型,通过在ubuntu14.04环境下搭建了用于语音识别的Kaldi系统,编写了两种模型的训练及识别脚本。利用开源的语音库THCHS-30对两种模型进行了验证,得到了无噪声环境下两者的语音识别率。对两种模型进行了抗噪性能的分析,测试语音中加入高斯白噪声对两种模型进行实验测试。最后通过实验数据说明了混合模型在噪声环境下能够取得较好的识别效果,并通过实验证明了改进的端点检测算法在两种模型的语音识别当中都是有效的。 相似文献