语音处理入门概念整理（二）

最近刚发现了阿里iDST在阿里云上面的一门课，是与语音相关的一些内容讲解，课程不长，对理解有一些帮助。
涉及概念参考来源：《智能语音交互技术与应用》

11） 语音应用：个人助理，转写字幕，声音信息抽取

12）语音识别就是将语音转换为文字，应用主要分为两类：一是ToB（速记，实时字幕，智能语音客服，客服电话智能质检），二是ToC（个人助理，语音输入法，智能硬件）

13）限制应用的影响因素主要分为三方面：环境影响（噪音，信道，场地，麦克风），说话人影响（口音，方言，音量），说话内容影响（中英混读，专业术语）

14）度量标准：识别错误率（Character Error Rate, Word Error Rate）

15）核心模块：声学模型（给定语言学单元，计算输入语音匹配的可能性），
语言模型（计算各种不同文本序列搭配的可能性）
解码器（根据不同的可能性来得到最有可能的文本序列，即识别结果）

16）声学模型种类：

17）语言模型种类：N-Gram，RNN语言模型

18）语音合成：将文本转化为语音的技术。
应用：智能助手，客服，语音呼叫。

19）语音合成发展史：1）基于机械装置的语音合成。2）基于电子元器件的语音合成。3）基于波形拼接的语音合成。4）基于HMM的参数语音合成。5）基于波形拼接的大语料库语音合成。

20）语音合成前端是文本分析，需要文本标注数据进行前端文本分析，步骤为：输入文本、分词（WS）、词性标注（POS）、命名实体识别（NER）（识别人名地名等）、韵律词预测（PW）、韵律短语预测（PP）、多音字消歧（PD）、字音转换（LTS）、输出。

21）语音合成后端输出，利用声学标注数据，后端模型生成语音。基于HMM的合成一般过程为，语音的音库进行语音的模型训练，需要语音的参数和对应的标准和决策树，之后生成参数，运用参数合成器可以合成语音，这种方法比较平滑，数据量需要少，缺点是音质不高、韵律平淡。