-
题名基于Bi-RNN中文语音识别的实验设计
- 1
-
-
作者
黄睿
-
机构
广东第二师范学院计算机科学系
-
出处
《现代计算机》
2019年第10期92-95,共4页
-
基金
广东第二师范学院计算机实验教学示范中心(No.SY2016014)
-
文摘
介绍TensorFlow深度学习架构,分析梅尔频率倒谱系数(MFCC)模型,结合双向循环神经网络(Bi-RNN)和联结主义时间分类(CTC)模型,对中文语音数据集Thchs-30进行深度学习,最终完成中文语音识别的实验设计,为中文语音识别在本科实验教学的应用具体重要参考意义。
-
关键词
TensorFlow
深度学习
语音识别
双向循环神经网络(Bi-RNN)
梅尔频率倒谱系数(MFCC)
联结主义时间分类(CTC)
-
Keywords
TensorFlow
Deep learning
Speech Recognition
Bi-RNN
MFCC(Mel Frequency Cepstrum Coefficient)
Connectionist Temporal Classification(CTC)
-
分类号
G642.4
[文化科学—高等教育学]
TP18
[自动化与计算机技术—控制理论与控制工程]
TN912.34-4
[电子电信—通信与信息系统]
-
-
题名人工智能实验:基于掌控板语音控制课例设计
- 2
-
-
作者
于恺
于方军
-
机构
山东省淄博高新区华侨城小学
山东省淄博市博山区山头中心学校
-
出处
《中国信息技术教育》
2021年第13期83-85,共3页
-
基金
淄博市教育科学规划2020年度“基于项目式学习的小学AI校本课程开发与实践研究”课题(课题批准号:2020ZJY017)成果。
-
文摘
语音识别技术已经运用到人们生活的各个领域。目前,语音识别技术常用的有两种方式,一种是基于本地语音模型库识别模式,另一种是基于云语音模型库识别模式。本地语音模型首先要建立模型库,模型库的建立需要大量的语音训练积累,通过采样生成音频文件,对比本地模型库,实现语音识别,这个过程需要学生了解语音信号的提取、声学模型、隐马尔科夫(HMM)模型等专业知识。为了能更好更快地实现语音识别效果,在课程设计时应采用基于云语音模型库识别模式。
-
关键词
隐马尔科夫
人工智能
模型库
音频文件
语音识别技术
识别模式
语音控制
语音训练
-
分类号
TN912.34-4
[电子电信—通信与信息系统]
G434
[文化科学—教育技术学]
-
-
题名《语音识别技术》教学设计
- 3
-
-
作者
包桂霞
-
机构
江苏省南京市科利华中学
-
出处
《中国信息技术教育》
2021年第5期39-42,共4页
-
基金
2019年江苏省前瞻性教学改革实验项目“学习者中心备课模型的实践建构”
2018年度全国教育信息技术研究重点课题“基于STEM理念的初中人工智能校本课程的开发研究”(项目编号183220003)研究成果。
-
文摘
●设计背景当前人工智能课程刚起步,还处于探索研究阶段,各版本教材多以理论介绍为主,缺少感知体验、实践模拟。如何以学习者为中心,上好基于大班教学的普惠型人工智能课程是本文探索的重点,本文以智能语音技术中的语音识别技术一课为例探讨如何培养学生的人工智能鉴赏力、理解力、应用力、创新力以及责任感。
-
关键词
语音识别技术
以学习者为中心
感知体验
人工智能
设计背景
教学设计
鉴赏力
大班教学
-
分类号
G633.67
[文化科学—教育学]
TN912.34-4
[电子电信—通信与信息系统]
-