检索结果-南通市图书馆

个人电脑 2000年第2期 81-82+87-91页

作者：邢文

如今英语语音识别的准确率已高达95％以上,同类的中文软件就要相差很多。尽管如此,我们还是希望通过对前者的介绍使您能了解语音识别技术的现状和未来。

关键词：语音识别软件可用性功能宏命令词汇列表

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

语音识别

北京电子 2000年第6期 32-34页

作者：张杰

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

语音识别与大语言模型融合技术研究综述

计算机工程与应用 2025年第6期61卷 53-63页

作者：王敬凯秦董洪白凤波李路路孔令儒徐晨广西民族大学人工智能学院南宁530000

在当今时代背景下,多种大语言模型层出不穷,推动了人工智能众多领域的发展和创新。归纳大语言模型在语音识别技术中的积极作用,并探讨其发展前景,可以为语音识别技术的发展提供创新思路。在目前主流的端到端语音识别模型中,常使用额外... 详细信息

在当今时代背景下,多种大语言模型层出不穷,推动了人工智能众多领域的发展和创新。归纳大语言模型在语音识别技术中的积极作用,并探讨其发展前景,可以为语音识别技术的发展提供创新思路。在目前主流的端到端语音识别模型中,常使用额外的语言模型对语音识别结果重打分或结合WFST算法辅助解码来提升语音识别结果的准确率。最新研究发现,将大型语言模型融入语音识别模型的端到端训练中,能够更好地提升语音识别结果的准确率。以浅融合、深度融合、冷融合三类语音识别与语言模型的融合方式为主线,进行了其原理及优劣的分析。近期研究者的实验结果证实,大语言模型与声学模型相结合能够有效提高识别精度。在系统地梳理了大语言模型在语音识别技术中的研究进展后,其在语音识别中的重要作用也得以揭示。语音识别与大语言模型融合的相关技术已经逐渐成熟,值得进一步的探索与深入研究。

关键词：语音识别大语言模型深度学习

在线全文

学校读者我要写书评

暂无评论

面向低数据资源的语音识别研究综述

计算机工程与应用 2025年第4期61卷 59-71页

作者：许春冬吴子煜葛凤培江西理工大学信息工程学院江西赣州341000 北京邮电大学北京100876

近年来,自动语音识别的研究重心由传统识别方法转向基于深度学习的语音识别方法。“大模型”现象反映出深度学习方法的性能随着训练数据量的增加呈现显著上升的趋势。然而,现实环境的复杂性、语音数据分布的非均匀性和用户隐私的保护等... 详细信息

近年来,自动语音识别的研究重心由传统识别方法转向基于深度学习的语音识别方法。“大模型”现象反映出深度学习方法的性能随着训练数据量的增加呈现显著上升的趋势。然而,现实环境的复杂性、语音数据分布的非均匀性和用户隐私的保护等因素给数据的收集造成困难。同时,语音数据的标注需要大量专业人员的参与,导致标注成本很高。因此,语音识别在实际应用中经常面临数据资源不足的问题。在这种低数据资源条件下构建性能优异且稳定的语音识别系统仍是研究难点。简单归纳了语音识别的发展历程,总结了语音识别的基本框架以及常见的国内外开源数据集。围绕低数据资源问题,详细分析了低数据资源的判定方法,继而梳理了四类技术方案,包括数据增强、联邦学习、自监督学习以及元学习,并对它们的性能状况以及优缺点进行了系统的剖析。最后讨论了该研究方向未来潜在的发展趋势和可能面临的问题。

关键词：语音识别低数据资源数据增强联邦学习自监督学习元学习

语音识别技术在孤独症谱系障碍诊断中的研究进展与应用展望

在线全文

学校读者我要写书评

暂无评论

南京医科大学学报(自然科学版) 2025年第4期45卷 574-579,587页

作者：李进宇赵太宏南京医科大学附属脑科医院院长办公室江苏南京210024

孤独症谱系障碍(autism spectrum disorder,ASD)是一种起病于发育早期的神经发育障碍,其核心症状主要表现在语言和社会交往方面。传统诊断工具(如《自闭症诊断观察量表第2版》)应用广泛,但在低龄儿童和基层医疗中可及性与客观性不足。... 详细信息

孤独症谱系障碍(autism spectrum disorder,ASD)是一种起病于发育早期的神经发育障碍,其核心症状主要表现在语言和社会交往方面。传统诊断工具(如《自闭症诊断观察量表第2版》)应用广泛,但在低龄儿童和基层医疗中可及性与客观性不足。语音识别技术因其量化能力强、成本较低、识别婴幼儿早期言语异常的灵敏度高,正成为辅助诊断ASD的重要手段。文章系统梳理了语音识别技术在不同年龄段早期筛查、共病情绪问题诊断、疾病严重程度评估及多模态融合等方面的最新研究。结果显示,通过提取基频、语速、停顿等声学特征,可有效区分ASD个体与典型发育儿童,并识别焦虑、抑郁及注意力缺陷多动障碍等共病。多模态融合(如脑影像、生理信号和行为数据)可进一步提升诊断准确率。但数据多样性不足、方言与年龄适用性局限、共病干扰及隐私保护等挑战依然突出。

关键词：孤独症谱系障碍语音识别辅助诊断

基于离散小波变换及高低频子带解耦的低计算资源占用端到端语音识别

在线全文

学校读者我要写书评

暂无评论

声学学报 2025年第2期50卷 373-383页

作者：田三力黎塔叶凌轩吴石松赵庆卫张鹏远中国科学院声学研究所语音与智能信息处理实验室北京100190 中国科学院大学北京100049 南方电网人工智能科技有限公司广州510000

针对目前端到端语音识别模型计算资源占用过高的问题,提出了一种将离散小波变换(DWT)与端到端语音识别相融合的方法 (WLformer),大幅降低计算资源占用量的同时还可提升识别性能。WLformer的构建以目前端到端语音识别中广泛使用的Confor... 详细信息

针对目前端到端语音识别模型计算资源占用过高的问题,提出了一种将离散小波变换(DWT)与端到端语音识别相融合的方法 (WLformer),大幅降低计算资源占用量的同时还可提升识别性能。WLformer的构建以目前端到端语音识别中广泛使用的Conformer模型为基础,在模型中引入所提出的基于DWT的信号压缩模块,该模块通过去除模型中间层表征内信息量较少的高频成分从而对该表征进行压缩,进而降低模型的计算资源占用。此外还提出了DWT子带解耦前馈网络的子模块结构以替换原模型中部分前馈网络,从而进一步降低模型的计算量。在Aishell-1、HKUST和LibriSpeech三个常用的中英文数据集上的实验表明,提出的WLformer相较于Conformer的显存占用相对下降47.4%,计算量Gflops相对下降39.2%,同时还获得了平均13.1%的错误率改善。此外, WLformer在计算资源占用少于其他主流端到端语音识别模型的情况下同样取得了更好的识别性能,进一步验证了所提方法的有效性。

关键词：语音识别离散小波变换低计算资源占用端侧部署

在线全文

学校读者我要写书评

暂无评论

面向自动语音识别系统的对抗样本生成方法

计算机科学与探索 2025年第1期19卷 253-263页

作者：于振华苏玉璠叶鸥丛旭亚西安科技大学计算机科学与技术学院西安710054

通过对系统进行对抗攻击可以检测系统漏洞,进而提高系统鲁棒性。然而,对抗攻击前往往需要系统的参数信息,这使得攻击条件受限。为此,结合一种新的量子粒子群优化算法,提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加微小噪... 详细信息

通过对系统进行对抗攻击可以检测系统漏洞,进而提高系统鲁棒性。然而,对抗攻击前往往需要系统的参数信息,这使得攻击条件受限。为此,结合一种新的量子粒子群优化算法,提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加微小噪声,构造差异化粒子群,作为初始对抗样本种群;基于记忆搜索的领域重分布策略得到当前种群的全局最优粒子,从而生成初始对抗样本;融入扩维和自适应权重位置更新,使得种群更接近目标;根据对抗样本与目标语句的编辑距离,继续优化初始对抗样本,生成最终对抗样本。为了验证方法的攻击效果,在GoogleSpeech、LibriSpeech以及CommonVoice数据集上,对语音识别模型DeepSpeech进行实验,将目标语句设置为不同场景中的常见语音指令。实验结果表明,提出的方法在三个数据集上成功率都优于对比方法,其中在Common Voice数据集上的成功率比对比方法提升了10个百分点。同时,召集志愿者对生成的对抗样本噪声强度进行主观评估,其中82.4%的对抗样本被志愿者判断为没有噪声或噪声很小。

关键词：对抗攻击语音识别黑盒攻击样本生成量子粒子群算法梯度评估方法

ACGFN:基于非对称卷积和门控前馈神经网络的语音识别模型

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2025年第1期39卷 167-174页

作者：王詠森刘倩刘立波宁夏大学信息工程学院宁夏银川750021

针对现有基于Conformer语音识别模型对时频特征提取能力不足、模型结构冗余和参数量较大的问题,该文提出一个基于非对称卷积和门控前馈神经网络的语音识别模型ACGFN。首先,采用不同感受野大小的非对称卷积对语音序列的时频特征进行多尺... 详细信息

针对现有基于Conformer语音识别模型对时频特征提取能力不足、模型结构冗余和参数量较大的问题,该文提出一个基于非对称卷积和门控前馈神经网络的语音识别模型ACGFN。首先,采用不同感受野大小的非对称卷积对语音序列的时频特征进行多尺度融合下采样,在增强模型提取时频特征的能力的同时,有效降低了下采样过程中信息的损失;其次,引入门控前馈模块替换Conformer中的双半步前馈网络,降低网络参数量的同时精简了模型结构。实验结果表明,该方法在公共数据集AISHELL-1和aidatatang_200zh的测试集上字错误率分别为4.48%、4.28%,且参数量仅40.3M。相较对比方法,识别字错误率和参数量均有所降低。

关键词：语音识别端到端 Conformer

改进Transformer模型的语音识别轻量化设计

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年

作者：王艳红赵亮王官军西南科技大学信息工程学院浙江芯劢微电子股份有限公司成都分公司

语音识别作为AI的重要应用分支近年来取得了显著的成果，其中基于Transformer模型的语音识别发展尤为突出。然而，Transformer模型较大的参数量和较高的计算复杂度，难以在边缘设备上实现部署，因此设计轻量化的Transformer模型以用于... 详细信息

语音识别作为AI的重要应用分支近年来取得了显著的成果，其中基于Transformer模型的语音识别发展尤为突出。然而，Transformer模型较大的参数量和较高的计算复杂度，难以在边缘设备上实现部署，因此设计轻量化的Transformer模型以用于语音识别部署是亟需解决的问题。为此，本文设计了一种轻量化Transformer模型，通过将Query、Key、Value的线性操作替换为轻量级卷积操作，优化多头注意力机制以改善注意力分布，并在前馈神经网络中引入分块低秩分解以最大化模型压缩。实验结果表明，在AISHELL-1和LRS2数据集上，该模型在同等条件下模型大小减少68.03%，参数量减少67.06%，错词率相对降低23.19%。

关键词： Transformer 语音识别轻量化模型压缩深度学习

结合字节级别字节对编码的端到端中文语音识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2025年第1期45卷 318-324页

作者：付强徐振平盛文星叶青长江大学计算机科学学院湖北荆州434023

针对语音识别中对中文这种复杂字符集的语言词汇表过大以及训练效率太低的问题,提出一种基于字节级别字节对编码(BBPE)的端到端中文语音识别方法。首先,将256个不同的字节用于初始化词汇表;其次,统计每个词汇单元在语料中出现的频率,并... 详细信息

针对语音识别中对中文这种复杂字符集的语言词汇表过大以及训练效率太低的问题,提出一种基于字节级别字节对编码(BBPE)的端到端中文语音识别方法。首先,将256个不同的字节用于初始化词汇表;其次,统计每个词汇单元在语料中出现的频率,并合并频率最高的词汇单元;最后,重复上一步直至无法合并,以得到最终的词汇表。在中文语音数据集AISHELL-1上,该方法生成的词汇表相较于字符级别词汇表的词汇量减少了88.5%,降低了模型训练的复杂度。同时,鉴于Conformer-Transducer(Conformer-T)模型在端到端语音识别中的出色表现,为了实现更好的识别效果,将最新的Zipformer模型与Transducer模型相结合提出Zipformer-Transducer(Zipformer-T)模型,并在该模型上对BBPE方法进行验证。实验结果表明,Zipformer-T模型使用的BBPE方法相较于字符级别分词方法在AISHELL-1测试集和验证集上的字错率(CER)分别降低了0.12和0.08个百分点,且分别达到4.26%和3.98%的最低CER,充分说明该方法能有效提升中文语音识别的性能。

关键词：语音识别 Conformer Zipformer 字节级别字节对编码端到端