自然界的声音有很多种,,,包括风声、、、、雨声、、鸟叫声等,,,,而语音特指人类发出的声音。。。语音是语言的声学表现,,是人类交流信息最直接、、、、有效的方式,,,语音的产生及感知应用,,,,代表的就是人与人之间双向的交互过程。。
随着物联网、、、、智能设备等技术的快速发展,,,,人与机器的交互,,,,逐步从对鼠标和键盘的依赖转移到语音方式,,,,其中的关键技术就是自动语音识别(Automatic Speech Recognition,,简称“ASR”)。。。。语音识别,,,简单地说,,,,就是在人与机器通过语音交流时,,,让机器能够听懂你在说什么。。。自20世纪50年代以来,,,,对语音识别的研究已有近70年的历史,,,,技术理论获得多方突破,,越来越多的应用也出现在我们生活中,,如语音输入法、、语音搜索、、、、智能音箱等。。这些成果的成功落地激励着更多的企业和科研机构参与进来,,,,对人才储备的需求也不断扩大。。。
语音识别技术的发展日新月异,,,,新的理论和方案不断涌现,,,除了基本原理,,,,相关从业人员也亟须了解语音识别的前沿技术,,,例如加权有限状态转换器(WFST)、、、、端到端(E2E)语音识别等。。。。
今天就为大家推荐一本全方位解读语音识别的新书:
《语音识别:原理与应用》
作者:洪青阳,,,,李琳

本书围绕语音识别的原理和应用讲解,,,,理论结合实际,,,采用大量插图,,,并辅以实例,,,力求深入浅出让读者能较快地理解语音识别的基础理论和关键技术。。。为帮助读者动手操作,,提高实战技能,,,本书最后还结合Kaldi和Espnet等开源工具,,介绍了具体的工程实践方法。。
第一作者洪青阳承担过大量的语音识别项目研究和开发工作,,,,有丰富的工业应用经验。。另外,,,作者从事本科生、、、研究生的语音识别教学十多年,,,从最早的动态时间规整(DTW)、、、、隐马尔可夫模型(HMM)到最新的E2E语音识别框架,,积累了丰富的教学经验,,深感理论知识讲解的困难,,,,特别是语音识别原理比较复杂,,从声学特征提取到HMM建模和解码过程,,涉及信号处理、、、、概率模型和神经网络等多个领域知识,,,要做到浅显易懂尤为不易,,因此作者希望通过本书弥补高校人工智能等专业语音教材的匮乏,,同时也为产业界工程师的语音识别入门提供经验参考。。
全书共包含15个章节:
|
1 |
语音识别概论,,,,介绍人类语音的产生和感知过程、、语音识别的关键技术、、、发展历史等。。。 |
|
2 |
语音信号基础,,,,介绍声音的采集和量化过程,,,以及编码和存储格式。。。 |
|
3 |
语音特征提取,,介绍语音信号的频域分析、、、、倒谱分析、、声学特征提取过程等。。。。 |
|
4 |
HMM,,,,介绍双重随机过程,,,以及HMM的三大问题。。。。 |
|
5 |
GMM-HMM,,介绍高斯混合模型的定义和重估计公式,,并结合例子讲解GMM如何与HMM结合,,以及对应的具体参数形式。。。 |
|
6 |
基于HMM的语音识别,,,,介绍单音子声学模型和Viterbi解码过程。。。 |
|
7 |
音素的上下文建模,,,介绍双音子和三音子模型,,并基于问题集和决策树讲述三音子的训练过程。。。 |
|
8 |
语言模型,,介绍语言模型训练过程及在语音识别中的作用。。。 |
|
9 |
WFST 解码器,,,,介绍动态和静态解码网络,,以及WFST、、、、HCLG等关键技术。。 |
|
10 |
DNN-HMM,,,介绍深度学习在语音识别中的应用,,包括CNN、、、、LSTM、、、TDNN等网络。。。 |
|
11 |
序列区分性训练,,,介绍 MMI/BMMI、、、MPE/sMBR等准则,,以及Lattice-free MMI训练方法。。。。 |
|
12 |
端到端语音识别,,,介绍CTC、、、、RNN-T、、、、Attention和Transformer等端到端语音识别系统。。。 |
|
13 |
Kaldi实践,,,首先介绍Kaldi的下载安装步骤,,然后以aishell-1中文数据库为例,,介绍如何训练和测试模型。。。。 |
|
14 |
Espnet实践,,,介绍使用Espnet进行目前主流的端到端语音识别模型的训练和解码过程。。 |
|
15 |
工业应用实践,,介绍如何封装语音识别动态库,,,如何调用和调优。。。。 |
(内页展示)
本书理论知识充沛,,,并兼顾工程实践,,,是高校学生和初级技术人员的绝佳选择,,,欢迎大家阅读。。。。
赠 书 福 利
为感谢大家长期以来对弈桔的支持,,我们现举办限时赠书活动,,,扫描下方二维码阅读微信文章,,在文章底部留言并获得前三名点赞数量的小伙伴即可免费得到《语音识别:原理与应用》一本,,活动有效期至8月14日18:00。。。欢迎大家踊跃留言。。。
