语音能力与语音行为

语音教学是通过教学行为促进学习者语音能力的获得,而语音测试则是通过对语音行为的观测来评价语音能力。本文对语音能力与语音行为的各种情况进行了考察,从而提出了通过对语音行为的观测来分析语音能力的一些原则。

生成式伪造语音安全问题与解决方案

生成式人工智能算法的发展使得生成式伪造语音更加自然流畅,人类听力难以分辨真伪.首先分析了生成式伪造语音不当滥用对社会造成的一系列威胁,如电信诈骗更加泛滥、语音应用程序安全性下降、司法鉴定公正性受到影响、综合多领域的伪造信息欺骗社会大众等.然后从技术发展角度,对生成式伪造语音的生成算法和检测算法分别进行总结与分类,阐述算法流程步骤及其中的关键点,并分析了技术应用的挑战点.最后从技术应用、制度规范、公众教育、国际合作4方面阐述了如何预防以及解决生成式伪造语音带来的安全问题.

语义引导的水下带噪语音通信

针对狭窄带宽的多径水声信道和信源噪声干扰导致的退化语音,提出了一种语义引导的水下带噪语音通信系统,实现了噪声环境下高效鲁棒的语音通信。首先,通过引入语音去噪网络降低了信源噪声的影响。系统通过传输语音的语义信息,实现了语音信号的极限压缩。针对信道噪声对数据的损伤,使用语义纠错模块在接收端对退化的语义特征进纠错,从而提高重建语音的可理解性。此外,结合多阶段训练策略的退化知情模型进一步增强所提方法在水声信道中的鲁棒性和泛化性。最后,在语音重建过程中使用多感受野-挤压激励融合模块以捕获语义特征中的全局语义信息,优化重建语音的可理解性。仿真实验结果表明,该方法在极低码率压缩的情况下,在复杂的噪声环境和不同的水声信道条件中,具有良好的重建性能。

中国成人英语学习者的语音学习策略与语音可理解度的关系研究

语音学习策略(Pronunciation Learning Strategies,PLS)在第二语言语音(Second Language Speech)研究领域占据重要地位,关于中国成人英语学习者(English as a Foreign Language,EFL)如何运用这些策略以提升语音可理解度的研究相对缺乏。以一所公立大学本科三年级英语专业学生为样本,采用诱导性自然话语语料,辅以问卷调查手段,系统性地考察了学习者在语音学习过程中所采用的各类策略。研究结果表明,就自然话语而言,尽管语音学习策略的整体运用与语音可理解度之间并无显著相关性,但是输入/练习类策略在提升语音可理解度方面的效果尤为突出。这一发现对基于策略的英语语音课堂教学设计具有重要的指导意义。

智能导盲拐杖的语音交互方法

文中设计出一款多功能智能拐杖,可以实现路径规划、自主导航、物品识别、语音交互等功能,最重要的是可以让老人对智能拐杖进行语音控制,使之更加便捷化、智能化,从而更好地为老人服务。语音交互功能采用STM32F405作为底层开发板,分为语音识别、语音合成以及语音控制等部分。

面向实时通信的语音数据隐私保护系统设计与实现

语音通信已成为人们生活中不可或缺的一部分,但其中蕴含的语义、声纹等隐私数据也面临严重泄露风险。提出一种面向实时通信的语音数据隐私保护方法,从语义内容与声纹特征两个维度进行实时语音数据的隐私保护。该方法采用语音识别技术,实现了文本域上的语义内容脱敏工作。在通过计算文本嵌入向量间的相似度推断敏感词信息的基础上,用户可以通过指定敏感词来实现个性化隐私保护。同时,该方法结合了基于语义相似度与随机字符两种方式将敏感内容替换为安全词的语义内容脱敏算法,并基于深度学习模型的语音合成技术与语音引擎两种方式实现了声纹特征的匿名化处理。实验证明,该方法支持根据隐私级别与时间开销选择语义脱敏和声纹匿名;尤其当获取语音识别结果的时间在原本时间的30%~50%之间时,可以较好地平衡识别准确度与时间开销。

用Voice XML开发语音商务网站

VoiceXML语音应用程序使人们可以通过电话查询网络上的信息和服务 ,实现了语音网络和数据网络的融合 ,是电子商务今后发展的一个方向。本文详细地介绍了VoiceXML语音应用程序的开发过程 ,并给出了一个语音购物网站的具体实现方法。

基于频谱分析仪的语音识别及控制软件系统设计

随着数据处理技术的进步和人工智能领域的高速发展,用户在对仪器的实际使用中持续追求更为高效便捷的操控方式,同时也相当看重使用过程的灵活性和准确性,语音数据因其实用性和高效性而被广泛使用。因此,提出一种基于频谱分析仪的语音识别及控制软件系统。该系统支持Ubuntu 18.04及以上版本操作系统,通过语音指令实现对频谱分析仪的控制,可以实现语音唤醒、语音录入及保存、离线语音识别并转换为文字文本、可执行代码等功能。

基于深度学习的目标说话人语音提取

人类能够在多人交谈的复杂环境中专注并识别目标说话人的语音,而现有机器技术尚未完全达到这一水平。针对这一实际应用场景,本文提出了一种时域目标说话人语音提取网络架构,该架构无需将混合语音分解为幅度谱和相位谱,而是直接将其转换为嵌入系数,从而规避了复杂的相位估计。该网络由四个关键部分构成,即说话人辅助网络、语音编码器、目标说话人语音提取器以及语音解码器。具体而言,语音编码器负责将混合语音转化为嵌入系数;说话人辅助网络则通过学习以说话人嵌入形式表示目标说话人特征;目标说话人语音提取器以嵌入系数与目标说话人嵌入作为输入,进而估计出一个接收掩模;最后,语音解码器根据处理过的嵌入系数重新构造出目标说话人的语音。实验结果显示,在开放评测环境下,相较于基准模型,所提方法在SDR(Signal-to-Distortion Ratio)和SI-SDR(Source-to-Interference Signal-to-Distortion Ratio)指标上分别取得了相对提升2.62dB和2.52dB的成绩。实验结果有力证明了该方法具有更好的抗干扰性和泛化性能。

语音识别技术在手机中的应用

语音识别是以语音为研究对象,通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门涉及面很广的交叉学科,它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。语音识别技术正逐步成为计算机信息处理技术中的关键技术,语音技术的应用已经成为一个具有竞争性的新兴高技术产业。

面向便携式野战医疗装备语音交互的小尺寸双麦前端系统设计

目的:针对野战噪声条件下便携式野战医疗装备的语音交互性能受到影响的问题,设计一种小尺寸双麦前端系统。方法:该系统基于最小二乘准则实现小尺寸双麦波速形成,进而实现前端语音增强。系统硬件主要由双麦、信号预处理模块、嵌入式处理器、模拟数字转换器(analog to digital converter,ADC)、数字模拟转换器(digital to analog converter,DAC)、供电模块等组成。其中,双麦采用2个贴片式微机电系统(micro electro mechanical system,MEMS)麦克风,信号预处理模块、ADC、DAC内置在通用音频编码器WM8978中,嵌入式处理器采用STM32F405系列处理器,供电模块采用LM1117电压调节器芯片。系统软件采用KeilμVision4开发软件编译和测试。为验证该系统的性能,进行指向性实验和语音增强实验。结果:指向性实验结果表明,在0.5~2.0 kHz频率范围内,该系统在各频点的指向性一致性较好;语音增强实验结果表明,在枪声、监护仪报警、医疗器皿碰撞3类非平稳噪声条件下,该系统可有效提升语音的音质及识别率。结论:该系统能实现语音增强,可为便携式野战医疗装备的语音交互提供有效的支持。

一种高噪声环境下语音检测算法的仿真与应用

该文提出了一种高噪声环境下的自适应语音检测新算法。该算法利用了语音短时能量及帧内短时自相关的特性,两个自适应判决门限根据期望的误判率调整,无需事先给出噪声统计信息,适用于平稳噪声、缓变的非平稳噪声及脉冲噪声的情况,且可以实时实现。

立足于二语语音研究的语音教学模式探讨

研究将从二语语音习得理论模型、研究内容及研究方法三个方面探讨二语语音研究对于语音教学实践的借鉴与指导意义,探索以研究为基础的语音教学模式。

基于STM32的语音信号处理与传输技术研究

为了提高语音信号处理技术在工业生产及日常沟通中的应用效果,本文首先对当前语音信号处理技术的发展及应用进行了概述,并针对实时或嵌入式情况下,语音信号的处理及传输问题,提出一种基于STM32芯片的语音信号处理及传输系统,并且针对系统在复杂噪声环境下的语音传输的质量问题,在系统中引入基于包含两个子网络的循环神经网络的语音增强模型对其进行优化。实验结果表明,在引入所提改进循环神经网络的语音增强模型后,降噪语音相较于原始混合语音信号,相关声学特征更明显,PSSQ和STOI分别提高了30.57%和11.27%。相较于DTLN模型,所提模型不仅在复杂度有了大大降低,Params和FLOPS分别减少了62.77%和62.42%,语音增强的性能也有一定程度地提高,综合效果最好。

语音邻域密度、词性类别、语言水平对二语词汇联想反应的影响

本文研究语音邻域密度、词性类别及语言水平对中国英语学习者二语词汇联想反应的影响。使用Lex_30测量词汇水平,采用“听—写”词联想任务考察所选词的语音邻域稀疏与密集程度以及名、动、形不同词性的刺激词联想反应差异。结果表明:(1)高低水平学生产出的语音和语义反应均存在显著差异,语音反应比例与语言水平成负向相关;(2)不同词性的语义联想反应有显著差异,但在语音反应上无差异;(3)不同语音邻域密度的刺激词只在高语言水平者的语义反应上有显著差异,低水平者只有名词的语音及语义反应存在显著差异,部分支持邻域激活模型。

基于小波变换的语音信号去噪算法优化

深入研究基于小波变换的语音信号去噪方法,并针对传统方法在复杂噪声环境下处理效果不佳的问题,提出一种基于自适应阈值的小波变换去噪优化方法。首先,分析小波变换去噪的基本原理。其次,深入研究自适应阈值技术的数学模型,并将其应用于小波变换,通过动态调整阈值来适应不同噪声环境的需求。最后,采用Aurora数据集进行实验验证。实验结果表明,该方法能够有效去除噪声。

语音助手设备中的自适应实时语音处理方法研究

文章研究了一种基于门控循环单元(Gated Recurrent Unit,GRU)的实时语音去噪和增强方法,以优化语音助手设备的性能。介绍语音助手的基本结构,引入GRU模型作为关键组成部分,提高语音去噪和增强的效果。实验阶段采用noisex-92数据集,通过信噪比(Signal-to-Noise Ratio,SNR)增益和语音质量评估(Perceptual Evaluation of Speech Quality,PESQ)等指标对方法进行全面评估。实验结果表明,所提方法在提高语音质量和用户体验方面具备显著优势。

合成语音与自然语音的音高差异——从18种语言核心词看合成语音的音高特点

论文以18种语言核心词的合成语音和自然语音为研究对象,从音高均值、最大值、最小值、标准差以及单位时间内词的音高变化幅度分析了合成语音和自然语音的音高表现,考察了合成语音的音高特点。整体看来,较之自然语音,合成语音的整体音高均值低于自然语音。在具体的语言中,合成语音的音高表现存在语言间的差异,部分语言的合成语音和自然语音的音高表现非常接近,而部分语言的合成语音和自然语音的音高表现呈现出了较大的差异。就单位时间内词音高的变化幅度而言,大部分语言的合成语音词音高变化幅度大于自然语音的词音高变化幅度,这种情况与合成语音中的词音高曲线存在畸变的现象有关。

电动履带式运输机智能语音控制系统的设计

采用语音识别模块,识别语音命令词控制电动履带式运输机。语音识别模块通过应用配置相关工作模式、识别语音命令词和发送识别语音后对应的通信命令,MCU接收、解析识别语音后对应的通信命令帧,并根据通信命令帧控制履带式运输机前进、后退、左转、右转、车斗升降以及语音播放执行命令的操作。