12

我想了解进行语音识别和文本到语音转换的各种技术。也请让我知道任何资源,如链接、教程、电子书等。

实现它的最有效技术是什么?

4

6 回答 6

8

我将回答关于语音识别的部分(因为我对文本到语音的了解不多):

http://ecx.images-amazon.com/images/I/4190SZC61CL._BO2,204,203,200_PIsitb-sticker-arrow-click,TopRight,35,-76_AA240_SH20_OU01_.jpg

这本书,“语音识别的统计方法”是解释统计语音识别的数学基础的经典之作,由该领域的创始人弗雷德里克·杰利内克(Frederick Jelinek)撰写。

你必须知道的最重要的概念是隐马尔可夫模型。几十年来,人们一直在语音识别中使用它们。最近的一种方法使用条件随机场,请参阅论文 (PDF)和相关的软件工具包SCARF

编写自己的语音识别器相当困难。这是一个活跃的研究领域,拥有多个科学会议,例如ASRUInterspeechICASSP

于 2009-12-23T06:32:02.143 回答
6

两者都是非常广泛的领域。关于识别:在这个模式中,您将了解如何构建一个基本的自动语音识别系统。这绝不是接近艺术的开始,但它是可以实现的并且有效。如果您想做更高级的事情,请阅读倒谱系数和隐马尔可夫模型。看看HTK,它是一个广泛使用的隐马尔可夫模型工具包。

关于文本到语音:我会看看Festival

于 2009-12-24T03:55:03.493 回答
4

有多个狮身人面像。主要活跃的是pocketsphinx和sphinx4。

Sphinx4 是用 Java 编写的。它更适合桌面和 Web 应用程序。

Pocketsphinx 是用 C 语言编写的。它更适合嵌入式设备。有使用它的 iphone/android 应用程序。

听起来你想要pocketsphinx。试试这个教程: http ://www.speech.cs.cmu.edu/sphinx/tutorial.html

在 CMU 的 sourceforge 论坛上可以更好地询问 pocketsphinx/sphinx4 问题。

此外,您应该提供更多信息,例如您打算制作的内容。

至于书籍,语音识别的圣经是《口语处理》

于 2009-12-29T04:42:01.093 回答
3

既然你提到了 MS -

您应该只查看Microsoft Speech站点。它包含许多处理语音的资源,包括 TTS 和语音识别。

于 2009-12-22T17:06:28.897 回答
3

如果您正在寻找一些实际代码,请查看Sphinx,这是 CMU 的一个开源语音识别项目。它不是用 C++ 编写的,但如果你对算法感兴趣,它实现了一堆你可以从中学习的东西。(我也想回应@dehmann 的观点:阅读隐藏马尔可夫模型。)

于 2009-12-23T06:39:49.300 回答
1

如果您对如何处理您的花哨的语音识别感到好奇,您应该阅读:Randy Allen Harris 的语音交互设计

它就何时使用 Voice 以及如何在应用程序中使用它提供了一些很好的建议。

于 2010-05-27T12:07:19.730 回答