资源简介

(共32张PPT)
第三节
让机器能听会说
学习目标
了解智能语音技术的定义
理解智能语音技术的基本原理
了解智能语音技术的发展及应用
探讨智能语音技术的应用案例
新知讲解
如何让机器具备听说能力？
智能语音技术是让机器具备人的听说能力的人工智能技术，包括语音识别及语音合成技术。
其中，语音识别技术模仿人的听觉能力，能够将人的语音转换为文字；语音合成技术模仿人的说话能力，能够将文本内容转换成语音，也可以让计算机模仿其他人的语音。
新知讲解
机器的听说过程是通过语音识别技术和语音合成技术来实现的。就像人通过学习获得听说能力一样，计算机也可以通过机器学习获得听说能力。
智能语音技术的基本原理
新知讲解
1.语音识别技术
语音识别（Automatic Speech Recognition，ASR），是一种让机器从语音中获取语言内容的技术，目的是将语音信息转变成人类可以理解的文字内容，使机器具备听觉器官，其原理如图2-3-1所示。
智能语音技术的基本原理
图2-3-1 语音识别
新知讲解
根据识别内容的范围，语音识别被分为“封闭域识别”和“开放域识别”。封闭域识别通常需要预先设定好需要识别的语音指令，机器只能识别这些特定的语音指令；开放域识别则不需要预先指定识别词的范围。
智能语音技术的基本原理
多学一手
新知讲解
拓展延伸
目前主流的语音识别是将日常生活语音转化成文本，属于开放域语音识别，看起来应用场景非常广，但如果不与人工智能结合，其应用场景还不如封闭域语音识别广。
封闭域语音识别应用场景：
1、语音做题app（或小程序）
2、远程授课语音做题
智能语音技术的基本原理
拓展延伸
例如，用语音做数学题，除了要有结果还要有步骤，用开放域语音识别来做，基本是不可能的，但如果用只含有数学语言的封闭域（简称数学域，其他类推）语音识别来做，就会很流畅。在远程授课过程中，教师和学生都可以通过语音做题，内容即时显示在屏幕上，这不仅极大的还原了真实课堂的授课体验，而且还有真实课堂无法比拟的优势。
智能语音技术的基本原理
语音识别是机器学习中常见的一个应用，分两个阶段。第一个是“训练”阶段，第二个是“识别”阶段，如图2-3-2所示。
智能语音技术的基本原理
图2-3-2 语音识别的流程
待识别语音
待识别语音
预处理
预处理
语音特征提取
语音特征提取
模型训练
模型匹配
模型库
训练
识别
输出结果
新知讲解
在训练阶段，需要准备语音和对应的文字。计算机首先对输入的语音进行预处理（去除噪声和不相干的声音），然后从语音信号中提取声学特征，最后再利用机器学习方法建立语音与对应的文字之间的对应关系，也就是识别模型。在识别阶段，计算机对待识别的语音进行相同的预处理和特征提取过程，然后将提取的特征与模型库中的模型进行匹配，进而识别出相应的结果。
智能语音技术的基本原理
新知讲解
语音和其他声音一样，也具有物理上的音高、音强、音长和音质四种要素。
音高：声音的高低，取决于发音体振动的快慢（对应于频率的高低）。音高取决于声带的形状。
音强：表示语音的强弱，主要与声带振动幅度的大小有关（对应于振幅大小）。音强取决于发音时用力的大小。
音长：语音的长短，对应于声波持续的时间。
音质：又称为“音色”，指的是语音的特色，是人的语音区别于其他声音的根本特点，音色与声道有关。
智能语音技术的基本原理
多学一手
新知讲解
2.语音合成技术
语音合成又叫文语转换（Text to Speech，TTS），是一种把文字转变成语音的技术（如图2-3-3所示），使机器能够像人一样开口说话。
智能语音技术的基本原理
图2-3-3 语音合成
新知讲解
语音合成技术也包括“训练”阶段和“合成”阶段。如图2-3-4所示，在训练阶段，需要准备文本及其对应的语音。
智能语音技术的基本原理
图2-3-4 语音合成的流程
新知讲解
首先利用“文本分析”提取出文本中每个字发音单元的发音符号，以及发音符号对应的上下文信息，同时从语音中提取出声学特征参数。然后采用机器学习算法，训练获得发音符号与声学参数的对应关系，也就是声学模型。在合成阶段，对输入的任意文本，首先经过文本分析获得文字的发音符号及其上下文信息，然后匹配声学模型产生语音参数，进而利用语音生成算法通过语音参数合成语音。
智能语音技术的基本原理
新知讲解
目前，常用的语音合成方法主要有三种：发音器官语音合成、共振峰语音合成、拼接语音合成。
发音器官语音合成让计算机模仿人的发音器官来产生语音。
共振峰语音合成用电路的形式模拟人的发声过程。
拼接语音合成将发音单元（如音素、声韵母、音节等）拼接在一起产生语音。
智能语音技术的基本原理
多学一手
新知讲解
拓展延伸
早在18世纪，奥地利发明家沃尔夫冈·冯·肯佩伦（Wolfgang von kempelen）在他生命的最后20年里一直试图模拟人类的声音，他做了一个满是洞的空盒子。空盒子与一个形状奇特的鼓风机相连。当鼓风机被按下时，它会使内置的簧片振动。这个过程模拟了人类的声音，它确实发出了声音，这也是最早的语音合成机器之一。
以此为开端，AI智能语音技术在长达一个世纪的时间里，不断飞跃提升，并最终成为了我们现在听到的样子。
智能语音技术的基本原理
近年来，随着技术的不断进步，智能语音技术的应用场景越来越广泛。例如，通过智能语音技术，可以自动评测讲话人的发音水平。智能客服利用语音识别技术获取客户的需求，并用语音合成技术进行反馈，实现语音导航、业务办理等服务。
智能语音技术的应用
新知讲解
另外，智能语音助手已经在手机、智能音箱中得到了广泛的应用。利用智能语音助手，我们可以用语音命令手机拨打电话、查询信息、设置闹钟等，可以控制智能音箱播放音乐、查询天气，甚至让它跟我们对话聊天，控制其他智能家电设备。
智能语音技术的应用
图2-3-5 智能音箱 图2-3-6 语音控制的台灯
新知讲解
请同学们结合所见所闻，讨论生活中还有哪些应用使用了智能语音技术，这些应用为我们的学习和生活带来了哪些便利。
智能语音技术的应用
新知讲解
拓展延伸
1、语音输入
摆脱生僻字和拼音障碍，使用语音即时输入。略带口音的普通话、粤语四川话方言、英文，均可有效识别，并可根据句意自动纠错、自动断句添加标点，让输入更快捷，沟通交流更顺畅
2、 语音搜索
搜索内容直接以语音的方式输入，应用于网页搜索、车载搜索、手机搜索等各种搜索场景，解放双手让搜索更加高效，适用于视频网站、智能硬件、手机厂商等多个行业
3、 语音指令
无需手动操作，可以通过语音直接对设备或者软件发布指令，控制操作，适用于智能硬件、车载系统、机器人、手机APP、游戏等多个领域
4、 社交聊天
社交聊天时直接用语音输入的方式转成文字，让输入更加便捷；或者在收到语音消息不适合播放时可以转为文字进行查看，满足更多的聊天场景
5、 游戏娱乐
游戏中聊天必不可少，双手无法打字，语音输入可以将语音聊天转为文字，让用户在操作的同时也可直观看到聊天内容，多样化满足用户聊天需求
智能语音技术的应用
人们在享受智能语音技术带来的便利的同时，对存在的安全风险问题也应该给予足够的重视。例如，某科技公司发明了一套能够模仿别人语音的人工智能系统，这个系统只要录制一分钟你的语音，就能模仿你的音色说话。虽然这个系统可以应用于有声读物，但也能够用来假冒别人的声音进行诈骗。
智能语音技术的应用
新知讲解
请同学们查阅相关资料，通过正反案例总结智能语音技术的利与弊，并将查阅的结果在小组内进行讨论。
智能语音技术的应用
表2-3-1 智能语音技术的利弊思考
利处 弊处
解放了双手，提高了工作效率 造成了一些工作人员的失业
方便了人们的日常生活，承担家庭里各种智能家居使用的任务，提高了人们的生活水平和质量 难以识别某个地方的方言、口音以及个人情绪，和人交流的时候没有情感输出
带动了未来智能家居的研发和革新，加大了与语音智能助手相关联的未来智能家居等产品的销量 语音智能助手可能会泄露用户的隐私，监控我们日常生活到很多方面
新知讲解
1.任务目标
通过mBlock平台，完成语音控制小熊猫移动的任务，从而加深对语音识别的理解。
2.任务内容
（1）在mBlock里添加“人工智能服务”扩展模块。
（2）编写程序实现与小熊猫的简单互动，通过语音命令词控制小熊猫实现上、下、左、右移动。
智能语音技术的应用案例——语音控制小熊猫移动
新知讲解
3.实现步骤
（1）在左下角的“添加扩展”里，找到“人工智能服务”，如图2-3-7所示，点击加载，就可以在主页面看到该模块的所有积木。
（2）在运动积木类里，找到积木
并将x和y的值都改为0，使角色小熊猫位于舞台正中间。
智能语音技术的应用案例——语音控制小熊猫移动
图2-3-7 人工智能服务
新知讲解
（3）在积木区找到“语音交互”，通过 、
和 三个积木设置语音合成提示语，然后通过积木 进行语音识别。
当识别结果中包含特定的命令词时，舞台中间的小熊猫会根据指令做出相应的运动，小熊猫移动的方向与距离通过 和
两个积木进行设置。
智能语音技术的应用案例——语音控制小熊猫移动
新知讲解
（4）按照图2-3-8所示的示例程序连接组合前两步中的积木，并点击相应的积木自行设置语音合成提示语和小熊猫移动的距离。
（5）点击运行按钮，根据语音提示语，随机说出语音命令词，观察舞台中小熊猫的运动情况。
（6）在图2-3-8所示的示例程序的基础上，自行编写程序让小熊猫实现更多的功能。
智能语音技术的应用案例——语音控制小熊猫移动
图2-3-8 语音控制小熊猫移动的示例程序
新知讲解
在积木 前面的方框内打勾，这样在说出语音命令词时，可以在舞台左上角实时显示语音识别的结果，如图2-3-9 所示。
智能语音技术的应用案例——语音控制小熊猫移动
图2-3-9 语音识别结果
新知讲解
请同学们根据前面所学的知识，首先在mBlock平台中点击添加“人工智能服务”扩展模块，然后使用“语音交互”中的语音识别积木 和 朗读积木
、“外观”中的积木 ，
以及积木区的其他积木，使小熊猫跟着你朗读一首诗，并将识别的诗句显示在舞台区，如图2-3-10所示。
智能语音技术的应用案例——语音控制小熊猫移动
图2-3-10 舞台区显示识别诗句
新知讲解
课堂总结
这节课我们学习了智能语音技术的基本原理，了解了语音识别的“封闭域识别”和“开放域识别”的区别，以及智能语音技术在生活中的应用，并按照课本案例利用软件成功用语音控制小熊猫移动。
板书设计
智能语音技术的基本原理
智能语音技术的应用
智能语音技术的应用案例——语音控制小熊猫移动

展开更多......

收起↑