3-3 audio processing-asr，tts

P2 音乐合成与 MIDI

音乐合成的介绍，包括两种合成器类型：1976年的频率调制（FM）音乐合成和1984年的波表（Wavetable）音乐合成。

常用的FM合成芯片是YM3812。

P19 3.4智能语音处理技术

P27 3.4.1  语音识别技术Automatic Speech Recognition,简写为 ASR

原理：贝叶斯统计建模框架（MAP/最大后验概率决策准则）

声学特征提取：以HMM建模的模型，声学特征就是一个帧序列，而每帧就是一个12维的MFCC特征向量

声学模型：

        声学单元应该具有的特性

         • 一致性：不同语音实例中相同的语音单元在声学上一致

        • 可训练性：建模单元需要足够的训练数据来进行参数估计

         • 可共享性：不同的建模单元之间共享某些具有共性的训练数据

语言模型：N-gram

解码：

从幻灯片35语音识别技术的发展阶段

1.探索阶段到1950-1990

2.发展阶段1980-2000

3.探索阶2006~基于深度学习的大词汇量连续语音识别。   

从幻灯片37~40

• 语音识别技术的难点，包括信号处理改进、鲁棒性特征和复杂语音环境下的挑战。
• 鸡尾酒会问题-分离语音

幻灯片41~47语音合成技术TTS

语音的清晰度（可懂度）、自然度、连贯性

   ① 参数合成。  ② 多样本波形拼接合成。  ③大语料库合成：目前主流

幻灯片48语音合成的未来发展

 提高合成语音的自然度 丰富合成语音的表现力； 降低语音合成技术的复杂度； 多语种文语