语音识别基础知识及概念

最新推荐文章于 2022-06-30 20:47:47 发布
最新推荐文章于 2022-06-30 20:47:47 发布
阅读量1.6k 收藏 7
点赞数 1
分类专栏： 语音识别 中文识别 语音处理 ASR 音视频开发系统技术专题

 

52Babara
关注
专栏目录
语音识别基础知识
罐罐罐子的博客
04-19 1044
语音识别基础知识语音识别基础语音识别的发展语音识别方法声学模型HMMGMM语言模型n-gramRNN语言模型解码器基于端到端学习的方法语音识别的应用与开发工具语音识别的应用语音识别的开发工具 语音识别基础 语音识别全称为“自动语音识别”，Automatic Speech Recognition (ASR), 一般是指将语音序列转换成文本序列。语音识别最终是统计优化问题，给定输入序列O={O1,…,On}，寻找最可能的词序列W={W1,…,Wm}，即寻找使得概率P(W|O)最大的词序列。用贝叶斯公式表示为：
语音识别基本概念
sinat_41872531的博客
08-27 4298
说话人识别的基础知识 1.语音的产生 声门：两片声带之间的空间叫声门 主声道：声带即声门以上，经过咽喉，口腔的通道 鼻道：经过小舌和鼻的管道 声道是分布参数系统，为谐振腔 分布参数系统即系统状态变化不能只由有限个参数变化描述，而是用场（一维或多维空间变量的函数） 浊音：由声带振动并激励声道而得到的语音（气流通过绷紧的声带，冲激声带产生振动，使声门处产生准周期性的脉冲串，并激励声道） ...
语音的基本概念--译自CMU sphinx
热门推荐
zouxy09的专栏
09-04 2万+
语音的基本概念--译自CMU sphinx zouxy09@qq.com        译自：http://cmusphinx.sourceforge.net/wiki/tutorialconcepts        这是CMU sphinx语音识别系统wiki的第一部分，主要是介绍语音的一些基本概念的。我试着翻译了一下。英语水平受限，翻译难免出错，请各位不吝指点！呵呵   Basi
语音识别学习日志 2018-7-15 语音识别基础知识准备（1）
emmmmmm
07-15 2931
2018-7-15频谱频谱是频率谱密度的简称，是频率的分布曲线。声音的构成声音频率决定音调；声音振幅决定大小；声音谐波决定音色。之所以能分辨出不同乐器和不同人，只因为声音中谐波成份不同。听感音高（声音音高）音高指各种不同高低的声音，即音的高度，音的基本特征的一种。音的高低是由振动频率决定的，两者成正相关关系：频率（即单位时间内振动次数的多少）高则音"高"，反之则"低"。听觉响度（声音响度）又称音量...
语音识别入门
Barbara‘s Blog
10-14 1914
语音识别： 将语音识别成文本。 微信上的语音转为文字功能。还有一些语音助手，Siri，Cortana，小度，小爱同学等等。语音是声音的一种。声音是由振动产生的，通过空气传播到达耳朵，空气的某些地方稠密，有些稀疏，不断变化，声波到达耳朵。 振动的快慢，就是频率。人耳能听到的频率范围：20Hz-20000Hz。 语音是种特殊的声音，为什么呢？因为它是人发出的声音，里面包含了丰富的信息。其他声音不含任何信息的叫作噪音。语音是高度结构化的振动。总的来说，它是一种既随机，又具有极强的规律性，结构性的信号。语音是极至
语音识别技术知识点1
08-08
语音识别技术是人工智能领域的一个重要组成部分，主要用于将人类的口头语言转换为计算机可理解的文本或指令。在本文中，我们将深入探讨语音识别的一些关键技术点，主要包括模板匹配、动态时间规整(DTW)、统计模型如...
实用语音识别基础电子版
01-17
实用语音识别基础--21世纪高等院校技术优秀教材 ISBN:711803746 作者:王炳锡 屈丹 彭煊 出版社:国防工业出版社 本书从语音识别的基本理论出发，以“从理论到实用”为主线，讲解了国际上最新、最前沿的语音识别...
深度学习-语音识别实战(Python)
05-12
总的来说，这个深度学习-语音识别实战课程将为你提供全面的理论知识和实践经验，无论你是初学者还是有一定基础的研究者，都能从中受益。通过学习，你将能够掌握从基础的信号处理到复杂的深度学习模型的运用，为你的...
语音识别的概念和前世今生
简言
07-24 3489
最近在学习语音识别的一些知识，做了一些笔记，这篇文章讲讲语音识别的发展，以及相关的几个容易混淆的概念。 语音识别的背景 从物理声音被转换为电信号，再通过模数转换器转换为数据。一旦被数字化，就可适用若干种模型。语音识别的技术，就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。 发展阶段 50年代：贝尔实验室开始语音识别的研究，主要研究基于简单的孤立词的语音识别系...
爱丁堡大学 语音识别教程.rar
05-21
一、语音识别的基础知识 语音识别是人工智能领域的一个重要分支，它涉及到信号处理、模式识别和机器学习等多个学科。基础理论包括声学模型、语言模型和特征提取等。声学模型主要研究声音的物理特性，将连续的语音...
实用语音识别基础
08-01
实用语音识别基础--21世纪高等院校技术优秀教材 ISBN:711803746 作者:王炳锡 屈丹 彭煊 出版社:国防工业出版社 本书从语音识别的基本理论出发，以“从理论到实用”为主线，讲解了国际上最新、最前沿的语音识别领域的关键技术，从语料库建立、语音信号预处理、特征提取、特征变换、模型建立等方面详细介绍了语音识别系统建立的过程，并针对语音识别系统实用化的问题，给出了一些改善语音识别系统性能的关键技术，力求语音识别能走出实验室，向实用发展。 　　全书共分四个部分(17章)，第一部分介绍语音识别的基本理论；第二部分介绍实用语音识别系统建立的过程；第三部分列举了语音识别系统工程化所需的关键技术；第四部分对语音识别的4个主要应用领域进行了详尽的、深入浅出的讲解，并根据最新的研究与实验结果提供了大量的实际参数、图表，与实际工作联系紧密，具有很强的可操作性与实用性。章节之间紧密配合、前后呼应，具有很强酶系统性。同时，通过书中的研究过程和研究方法，读者能够在以后的研究工作中得到很大的启发。 　　本书可作为高等院校理工科通信和信息处理及相关专业的高年级本科生和(硕士、博士)研究生的教材或参考书，也可供从事信息处理、通信工程等专业的研究人员参考。 　　目录: 　　第1章 绪论 　　1. 1 概述 　　1. 2 语音识别综述 　　1. 3 国内外语音识别的研究现状和发展趋势 　　参考文献 　　第一部分 基本理论 　　第2章 听觉机理和汉语语音基础 　　2. 1 概述 　　2. 2 听觉机理和心理 　　2. 2. 1 语音听觉器官的生理结构 　　2. 2. 2 语音听觉的心理 　　2. 3 发音的生理机构与过程 　　2. 4 汉语语音基本特性 　　2. 4. 1 元音和辅音 　　2. 4. 2 声母和韵母 　　2. 4. 3 音调 字调 　　2. 4. 4 音节 字 构成 　　2. 4. 5 汉语的波形特征 　　2. 4. 6 音的频谱特性 　　2. 4. 7 辅音的频谱特性 　　2. 4. 8 汉语语音的韵律特征 　　2. 5 小结 　　参考文献 　　第3章 语音信号处理方法--时域处理 　　3. 1 概述 　　3. 2 语音信号的数字化和预处理 　　3. 2. 1 语音信号的数字化 　　3. 2. 2 语音信号的预处理 　　3. 3 短时平均能量和短时平均幅度 　　3. 3. 1 短时平均能量 　　3. 3. 2 短时平均幅度 　　3. 4 短时过零分析 　　3. 4. 1 短时平均过零率 　　3. 4. 2 短时上升过零间隔 　　3. 5 短时自相关函数和平均幅度差函数 　　3. 5. 1 短时自相关函数 　　3. 5. 2 短时平均幅度差函数 　　3. 6 高阶统计量 　　3. 6. 1 单个随机变量情况 　　3. 6. 2 多个随机变量及随机过程情况 　　3. 6. 3 高斯过程的高阶累积量 　　3. 7 小结 　　参考文献 　　第4章 语音信号处理方法--时频处理 　　4. 1 概述 　　4. 2 短时傅里叶变换 　　4. 2. 1 短时傅里叶变换的定义和物理意义 　　4. 2. 2 基于短时傅里叶变换的语谱图及其时频分辨率 　　4. 2. 3 短时傅里叶谱的采样 　　4. 3 小波变换 　　4. 3. 1 连续小波变换 　　4. 3. 2 二进小波变换 　　4. 3. 3 离散小波变换 　　4. 3. 4 多分辨分析 　　4. 3. 5 正交小波包 　　4. 4 Wigner分布 　　4. 4. 1 Wigner分布的定义 　　4. 4. 2 Wigner分布的一般性质 　　4. 4. 3 两个信号和妁Wigner分布 　　4. 4. 4 Wigner分布的重建 　　4. 4. 5 Wigner分布的实现 　　4. 5 小结 　　参考文献 　　第5章 语音信号处理方法--倒谱同态处理 　　5. 1 概述 　　5. 2 复倒谱和倒谱 　　5. 2. 1 定义 　　5. 2. 2 复倒谱的性质 　　5. 3 语音信号的倒谱分析与同态解卷积 　　5. 3. 1 叠加原理和广义叠加原理 　　5. 3. 2 同态解卷特征系统和同态解卷反特征系统 　　5. 3. 3 同态解卷系统 　　5. 3. 4 语音的复倒谱及同态解卷 　　5. 4 避免相位卷绕的算法 　　5. 4. 1 最小相位信号法 　　5. 4. 2 递归法 　　5. 5 小结 　　参考文献 　　第二部分 语音识别系统 　　第6章 语料库 　　6. 1 概述 　　6. 2 语料库的基本特征 　　6. 3 语料库的类型 　　6. 4 语音语料库 　　6. 4. 1 语音语料库建立. 收集和标注的意义 　　6. 4. 2 语音语料库的建立和收集要点 　　6. 4. 3 标准语音库语音特性描述 　　6. 5 语料库的设计举例--863汉语普通话语音合成语料库的设计 　　6. 5. 1 语料库设计原则 　　6. 5. 2 语音库的标注 　　6. 5. 3 与语音语料库相关的文字语料库标注 　　6. 6 小结 　　参考文献 　　第7章 语音识别的预处理 　　7. 1 概述 　　7. 2 语音识别单元的选取 　　7. 2. 1 汉语音节 　　7. 2. 2 汉语的基本音素 　　7. 2. 3 汉语半音节 　　7. 3 自动分段--端点检测技术 　　7. 3. 1 基于能量的端点检测 　　7. 3. 2 基于LPC-10声码器的端点检测 　　7. 3. 3 基于信息熵的语音端点检测 　　7. 3. 4 基于频带方差的端点检测 　　7. 3. 5 基于倒谱特征的带噪语音信号端点检测 　　7. 3. 6 基于HMM的端点检测方法 　　7. 3. 7 基于分形技术的端点检测 　　7, 3. 8 基于自相关相似距离的端点检测 　　7. 3. 9 基于迟滞编码的端点检测 　　7. 3. 10 实时端点检测算法 　　7. 4 小结 　　参考文献 　　第8章 语音信号特征参数 　　8. 1 概述 　　8. 2 基音周期 　　8. 2. 1 自相关法及其改进 　　8. 2. 2 并行处理法 　　8. 2. 3 倒谱法 　　8. 2. 4 简化逆滤波法 　　8. 3 线性预测参数 　　8. 3. 1 线性预测信号模型 　　8. 3. 2 线性预测误差滤波 　　8. 3. 3 语音信号的线性预测分析 　　8. 3. 4 线性预测分析的解法 　　8. 3. 5 斜格法及其改进 　　8. 4 线谱对 LSP 参数 　　8. 4. 1 线谱对分析原理 　　8. 4. 2 线谱对分析的求解 　　8. 5 LPCC参数 　　8. 6 mfcc参数 　　8. 7 ASCC参数 　　8. 8 感觉加权的线性预测 PLP 特征 　　8. 8. 1 PLP参数 　　8. 8. 2 RASTA-PLP参数 　　8. 9 动态差分参数 　　8. 10 高阶信号谱类特征 　　8. 10. 1 WV谱的定义及其主要性质 　　8. 10. 2 WV谱计算式的一些变形 　　8. 11 小结 　　参考文献 　　第9章 特征变换 　　9. 1 概述 　　9. 2 线性判别分析 LDA 　　9. 2. 1 线性判别分析的概念 　　9. 2. 2 广义线性判别函数 　　9. 2. 3 Fisher线性判别 　　9. 2. 4 多类问题 　　9. 3 主分量分析 PCA 　　9. 3. 1 基于K-L变换的主分量分析 　　9. 3. 2 随机向量的K-L展开 　　9. 3. 3 基于K-L变换的降维 　　9. 4 独立分量分析 ICA 　　9. 4. 1 引言 　　9. 4. 2 线性独立分量分析 　　9. 4. 3 线性独立分量分析算法 　　9. 4. 4 独立分量分析的预处理 　　9. 4. 5 非线性独立分量分析 　　9. 5 小结 　　参考文献 　　第10章 语音识别的模型 　　10. 1 概述 　　10. 2 动态时间规整 DTW 　　10. 2. 1 动态规划技术 DP 　　10. 2. 2 DTW算法的改进 　　10. 3 隐马尔可夫模型 HMM 　　10. 3. 1 隐马尔可夫模型的定义 　　10. 3. 2 HMM中的3个基本问题及其解决方案 　　10. 3. 3 隐马尔可夫模型的类型 　　10. 3. 4 HMM算法实现的问题 　　10. 4 分类模型 SVM 　　10. 4. 1 引言 　　10. 4. 2 学习问题 　　10. 4. 3 学习过程一致性的条件 　　10. 4. 4 学习过程收敛速度的界 　　10. 4. 5 结构风险最小归纳原理 　　10. 4. 6 支持向量机 　　10. 5 人工神经网络 　　10. 5. 1 引言 　　10. 5. 2 神经元的基本模型 　　10. 5. 3 前向网络 　　10. 5. 4 反馈网络 　　10. 6 高斯混合模型 GMM 　　10. 6. 1 高斯混合模型的定义 　　10. 6. 2 参数调整算法--em算法 　　10. 7 小结 　　参考文献 　　第三部分 语音识别中关键处理技术 　　第11章 说话人自适应和说话人归一化技术 　　11. 1 概述 　　11. 2 自适应方式的分类 　　11. 3 MLLR算法介绍 　　11. 3. 1 语音特征空间的划分 　　11. 3. 2 参数的估计 　　11. 3. 3 对均值矢量的变换 　　11. 4 MAP算法介绍 　　11. 4. 1 MAP算法准则 　　11. 4. 2 MAP算法公式推导 　　11. 4. 3 MAP算法讨论 　　11. 5 说话人归一化技术 　　11. 5. 1 说话人归一化技术原理 　　11. 5. 2 声道长度归一化 VTLN 　　11. 6 小结 　　参考文献 　　第12章 噪声抑制 　　12. 1 概述 　　12. 2 基于小波变换的噪声抑制 　　12. 2. 1 利用小波变换去除周期性噪声 　　12. 2. 2 利用小波变换去除冲激噪声 　　12. 2. 3 利用小波变换去除宽带噪声 　　12. 2. 4 小波去噪方法的分析 　　12. 3 基于EVRC编码的噪声抑制 　　12. 4 基于HMM模型的噪声补偿 　　12. 5 小结 　　参考文献 　　第13章 信道补偿 　　13. 1 概述 　　13. 2 稳健语音识别技术 　　13. 2. 1 稳健语音识别的提出 　　13. 2. 2 稳健语音识别的研究现状 　　13. 3 信道补偿技术的主要方法 　　13. 3. 1 经验补偿技术 　　13. 3. 2 盲补偿 　　13. 3. 3 基于特征及模型的补偿 　　13. 4 信道补偿技术在语音识别中的应用 　　13. 4. 1 信道补偿技术在汽车内语音识别中的应用 　　13. 4. 2 基于信道补偿的电话语音识别 　　13. 5 小结 　　参考文献 　　第四部分语音识别应用 　　第14章 说话人识别 　　14. 1 概述 　　14. 2 说话人识别的基本原理 　　14. 2. 1 说话人识别系统的典型结构 　　14. 2. 2 技术原理 　　14. 3 说话人识别的特征选择 　　14. 3. 1 说话人识别系统中常用的特征 　　14. 3. 2 特征参数的统计评价 　　14. 4 说话人识别的主要方法 　　14. 4. 1 模板匹配法 　　14. 4. 2 概率统计方法 　　14. 4. 3 辨别分类器方法 　　14. 4. 4. 混合方法 　　14. 5 判决规则与性能评价标准 　　14. 5. 1 说话人辨认 　　14. 5. 2 说话人确认 检测 　　14. 6 说话人识别中的稳健技术 　　14. 7 系统举例 　　14. 7. 1 GMM说话人辨认算法 　　14. 7. 2 SVM-GMM混合模型 　　14. 7. 3 CMM-UBM说话人确认 　　14. 8 小结 　　参考文献 　　第15章 关键词识别 　　15. 1 概述 　　15. 2 关键词识别及其与连续语音识别的关系 　　15. 3 关键词识别原理 　　15. 3. 1 关键词识别系统组成 　　15. 3. 2 关键词识别的基本问题 　　15. 3. 3 关键词识别系统的主要技术难点 　　15. 4 搜索策略 　　15. 4. 1 语音起始和结束点的粗判 　　15. 4. 2 帧同步的Viterbi解码算法 　　15. 4. 3 加入驻留惩罚的改进Viterbi解码算法 　　15. 4. 4 语法节点处的路径合并 　　15. 4. 5 回溯 　　15. 5 识别结果的确认 　　15. 5. 1 置信度的原理 　　15. 5. 2 利用反词模型的拒识方法 　　15. 5. 3 利用识别结果本身信息的拒识方法 　　15. 6 系统实现 　　15. 6. 1 训练和识别系统框图 　　15. 6. 2 训练系统的具体实现 　　15. 6. 3 识别系统的具体实现 　　15. 7 小结 　　参考文献 　　第16章 语言辨识 　　16. 1 概述 　　16. 1. 1 语言辨识的原理 　　16. 1. 2 语言辨识技术研究发展的历史 　　16. 2 语言辨识所需要的有用信息 　　16. 3 针对自动语言辨识的知觉研究 　　16. 4 语言辨识的主要方法 　　16. 4. 1 频谱相似性方法 　　16. 4. 2 基于韵律信息的方法 　　16. 4. 3 基于音素识别的方法 　　16. 4. 4 基于多语言语音单元的方法 　　16. 4. 5 单词层次方法 　　16. 4. 6 基于连续语音识别的方法 　　16. 4. 7 元音系统模型 　　16. 5 语言辨识系统举例 　　16. 5. 1 基于GMM-UBM模型的语言辨识系统 　　16. 5. 2 基于最小分类误差准则的语言辨识系统 　　16. 5. 3 基于说话人聚类和高斯混合模型的语言辨识系统 　　16. 5. 4 基于时频主分量分析和高斯混合模型的语言辨识系统 　　16. 5. 5 基于高斯混合二元模型的语言辨识系统 　　16. 6 语言辨识系统评估 　　16. 7 小结 　　参考文献 　　第17章 连续语音识别 　　17. 1 概述 　　17. 2 连续语音识别整体模型 　　17. 3 声学模型 　　17. 3. 1 语音识别单元的选取 　　17. 3. 2 基于予词单元HMM的训练 　　17. 4 连续语音识别中的搜索策略 　　17. 4. 1 传统的帧同步算法 　　17. 4. 2 基于统计知识的帧同步搜索算法原理 　　17. 4. 3 受词法约束的词搜索树 　　17. 4. 4 连续语音识别中的双层搜索网络 　　17. 5 语言模型 　　17. 5. 1 基于规则的方法 　　17. 5. 2 基于统计的方法 　　17. 5. 3 N-gram模型的平滑 　　17. 5. 4 基于文法规则的方法和基于统计的方法相结合 　　17. 6 小结 　　参考文献 　　附录 英汉名词对照
语音识别基础知识一
weixin_42103947的博客
12-20 3825
1、人耳组成的三部分： 外耳：外耳包含耳翼和外耳道，耳翼具有定向作用，外耳道同其它管道一样也有共振频率，大约是3400Hz。鼓膜位于外耳道内端，声音的振动通过鼓膜传到内耳。 中耳：由三块听小骨组成，作用包括放大声压和保护内耳。中耳通过咽鼓管与鼻腔相通，其作用是调节中耳压力。 内耳：耳蜗实现声震动到神经冲动的转换，并传递到大脑。 2、听觉特性与音频信号 2.1人的听觉特性 ①人对声音强弱的感觉 通过对人群测试发现，当声音信号的强弱按指数规律增长时，人会大体上感到声音在均匀地增强，即将声音声强取对
语音识别基础知识理解
nwnu_908的博客
06-14 401
ＨＣＬＧ．Fst由四部分构成： Ｇ：语言模型ＷＦＳＴ,输入输出符号相同，实际是一个ＷＦＳＴ（acceptor接受机），为了方便与其他三个ＷＦＳＴ进行操作，将其视为一个输入输出相同的　ＷＦＳＴ. L:发音词典ＷＦＳＴ，输入符号：monophone,输出符号:词； Ｃ：上下文相关ＷＦＳＴ，输入符号：triphone(上下文相关)，输出符号：monophone; H:HMM 声学模型ＷＦＳＴ，输入符号：ＨＭＭ　transitions-ids,输出符号：triphone．将四者逐层合并，即可得到最后的图．Ｈ
语音识别入门第一节：语音识别概述
小小莫大大爱的博客
06-30 8847
语音识别入门课程第一节：语音识别概述，简单介绍语音识别的基础内容，包括定义、重要性、挑战性等。
语音识别概念的简单理解
系统 运维
02-05 381
1，语音识别单元 识别单元的大小对语音训练数据量大小、语音识别率，以及灵活性有较大的影响，系统所需的训练数据大小与模型复杂度有关。其实就是语音识别的粒度，越小的时候，识别率越高，当然运算时间也越长。 2，语言模型 语言模型可以提供字或词之间的上下文信息和语义信息，通过语言模型可以提高声学模型的区分度，语言模型主要分为规则模型和统计模型两种，当前，统计语言模型在实际应用中处于主流地位。 ...
语音识别基础
u013453936的专栏
01-06 556
      传统的语音识别主要基于HMM（隐马尔可夫模型）以及GMM（高斯混合模型）。       HMM主要由三个要素构成，初始概率、转移概率与观测概率。比如玩游戏抛硬币，有两个硬币放在盒子中，硬币1与硬币2，每次选取一个硬币，抛掷并观测其正反面。在这个游戏中，由于最终玩家只能知道硬币的正反，并不知道这个硬币是硬币1与硬币2，因此这个游戏总共有两个隐藏状态，硬币1与硬币2。初始概率即选取硬币1...
语音识别的基本概念
jianyuchen23的博客
09-05 3704
摘录自 http://blog.csdn.net/zouxy09/article/details/7941055 语音是一个连续的音频流，它是由大部分的稳定态和部分动态改变的状态混合而成。 一个单词的发声（波形）实际上取决于很多因素，而不仅仅是音素，例如音素上下文、说话者、语音风格等。 协同发音（指的是一个音受前后相邻音的影响而发生变化，从发生机理上看就是人的发生器官在一个音转向另一个音时其特
语音生成，语音识别基础知识
机器学习知识点整理
09-05 589
声学->音频->语音 范围逐渐缩小 通过语谱图可以看出不同语音的特点。 OOV：Out of Vocabulary 问题 语音识别评估指标 accuracy 音素错误率，词错误率（Word Error Rate, WER）,字错误率（Character Error Rate），句错误率（Sentence Error Rate） effciency 实时错误率（删除、插入、替换，可能会超过100%） 语音生成 浊音：声带振动，声音波形具有周期性，有稳定音高 清音：声带不振动，波形类
语音识别基础课程大纲与学习要点
"语音识别基础"是一门针对计算机应用专业学生的选修课，旨在教授语音识别的理论与实践。课程代码为CS414，共36个学时，对应2个学分，建议但不强制要求学生具备数字信号处理的背景知识。课程由电子信息与电气工程学院...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值