[發(fā)明專利]一種人體語音識別傳輸方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 201810099028.3 | 申請日: | 2018-01-31 |
| 公開(公告)號: | CN108417203A | 公開(公告)日: | 2018-08-17 |
| 發(fā)明(設計)人: | 鄭英 | 申請(專利權)人: | 廣東聚晨知識產權代理有限公司 |
| 主分類號: | G10L15/02 | 分類號: | G10L15/02;G10L15/06;G10L15/22 |
| 代理公司: | 佛山市智匯聚晨專利代理有限公司 44409 | 代理人: | 張艷梅 |
| 地址: | 528000 廣東省佛山市禪城區(qū)季*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 語音識別 語音數(shù)據(jù) 傳輸方法及系統(tǒng) 發(fā)音方式 用戶人體 語音指令 特征點 預處理 語音識別技術 調整參數(shù) 語音 采集 傳輸 | ||
本發(fā)明公開了一種人體語音識別傳輸方法及系統(tǒng),屬于語音識別技術領域,所述方法包括:采集用戶人體的語音數(shù)據(jù);預處理所述語音數(shù)據(jù);提取所述語音數(shù)據(jù)的特征點;選擇對應于提取的所述特征點的發(fā)音方式模型;通過使用所選擇的發(fā)音方式模型來調整參數(shù),所述參數(shù)是用于識別語音指令的基準;基于調整的所述參數(shù)來識別所述用戶人體的所述語音指令。利用本發(fā)明實施例,能夠實現(xiàn)人體語音的識別跟傳輸,提高語音識別性能。
技術領域
本發(fā)明涉及語音識別技術領域,尤其涉及一種人體語音識別傳輸方法及系統(tǒng)。
背景技術
人機接口 (HMI) 使用戶通過視覺、聽覺、或觸覺與機器進行交流。為了最小化駕駛員的注意力轉移并且提高便利性,已嘗試使用語音識別作為車輛內的HMI。根據(jù)常規(guī)的人體語音識別傳輸系統(tǒng),使用標準語言的各種用戶人體的聲音被存儲為語音數(shù)據(jù),并且使用該語音數(shù)據(jù)來執(zhí)行語音識別。然而,在這種系統(tǒng)中,難以保證語音識別性能,這是因為使用語音識別功能的用戶人體的發(fā)音方式例如發(fā)音語調、發(fā)音速度、以及方言等通常不同于對應于語音數(shù)據(jù)的發(fā)音方式。
發(fā)明內容
本發(fā)明提供了一種人體語音識別傳輸方法及系統(tǒng),具有以下優(yōu)點:基于針對每個區(qū)域的語音數(shù)據(jù)生成針對每個區(qū)域的發(fā)音方式模型;選擇對應于提取的特征點的發(fā)音方式模型;以及調整參數(shù),該參數(shù)是用于識別語音識別指令的基準。
為達到上述目的,本發(fā)明公開了一種人體語音識別傳輸方法,所述方法包括:
采集用戶人體的語音數(shù)據(jù);
預處理所述語音數(shù)據(jù);
提取所述語音數(shù)據(jù)的特征點;
選擇對應于提取的所述特征點的發(fā)音方式模型;
通過使用所選擇的發(fā)音方式模型來調整參數(shù),所述參數(shù)是用于識別語音指令的基準;
基于調整的所述參數(shù)來識別所述用戶人體的所述語音指令。
可選的,所述預處理所述語音數(shù)據(jù)的步驟包括:
將模擬語音數(shù)據(jù)轉換為數(shù)字語音數(shù)據(jù);
校正所述語音數(shù)據(jù)的增益;
以及消除所述語音數(shù)據(jù)中的噪聲。
可選的,所述發(fā)音方式模型由以下步驟生成:
提取在所述語音數(shù)據(jù)庫中存儲的針對每個區(qū)域的語音數(shù)據(jù)的特征點;
在特征點數(shù)據(jù)庫中存儲所提取的針對每個區(qū)域的語音數(shù)據(jù)的特征點;
通過學習在所述特征點數(shù)據(jù)庫中存儲的針對每個區(qū)域的語音數(shù)據(jù)的特征點的分布,來生成學習模型;
以及通過使用所述學習模型來生成針對每個區(qū)域的發(fā)音方式模型。
為達到上述目的,本發(fā)明還公開了一種人體語音識別傳輸系統(tǒng),包括:
采集器,用于采集用戶人體的語音數(shù)據(jù);
發(fā)音方式分類器,用于提取所述用戶人體的所述語音數(shù)據(jù)的特征點,并且選擇對應于所述特征點的發(fā)音方式模型;
參數(shù)調整器,用于通過使用所選擇的所述發(fā)音方式模型來調整參數(shù),所述參數(shù)是用于識別語音指令的基準;
以及語音識別引擎,用于基于調整的所述參數(shù)來識別所述用戶人體的所述語音指令。
可選的,還包括:預處理器,將從所述采集器傳輸?shù)哪M語音數(shù)據(jù)轉換為數(shù)字語音數(shù)據(jù),校正所述語音數(shù)據(jù)的增益并且消除所述語音數(shù)據(jù)中的噪聲。
可選的,所述發(fā)音方式分類器包括:
語音數(shù)據(jù)庫,用于存儲針對每個區(qū)域的語音數(shù)據(jù);
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東聚晨知識產權代理有限公司,未經(jīng)廣東聚晨知識產權代理有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810099028.3/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





