香香技术员
分享资料个
摘要：随着信息化时代的快速到来以及计算机技术的不断完善发展，语音识别在众多领域都得到了应用，同时语音识别有着广阔的发展前景。当下，在对语音识别的研究方面，研究人员大多以线性系统理论为基础，采用隐马尔可夫模型（HMM）、动态时间规整（DTW）、矢量量化（VQ）等技术。随着研究的深入，发现以线性系统理论为基础的方法和语音的非线性过程特性不能很好的融合，采用非线性理论研究成为了语音识别的重要突破口。人工神经网络（ANN）等非线性理论成为了研究语音识别的热点。采用Python语言进行深度学习与语音识别相结合的方法进行研究，希望能够使语音识别在速度、准确度等方面得到较好的效果。介绍了Python在深度学习语音识别中的使用。通过实验结果可以看出，DNN-HMM方法在准确率方面比GMM-HMM方法有所提高。
语言的出现加快了人类发展的历程，更好的拉近了人与人之间的距离。随着计算机技术的发展，通过语音传递信息已经不能仅仅局限于人与人之间，而是更多的延伸到了人与机器。怎样才能使用语音完成人机交流，语音识别技术成为了完成这项任务的媒介。人通过语音向计算机发送指令，计算机则可以通过语音识别软件将语音转换为相应的计算机指令并做出响应，以达到人机交互的目的。当下，语音 识别常用的方法主要包括：马尔可夫模型（HMM）方法、动态时间规整（DTW）方法、矢量量化（VQ）方法。本文研究一种融合语音识别与深度学习的语音识别方法，旨在提高语音识别效率。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !
