[语音增强和语音识别网页书](https://legacy.gitbook.com/book/shichaog1/hand-book-of-speech-enhancement-and-recognition/details)
语音处理算法一直处于研究和发展的阶段,随着人工智能的兴起,人工智能的两个入口:语音和视觉正变的越来越重要,这也是未来5~10年各个AI公司关注的重点。
语音处理算法主要分为两个部分,一个是偏信号处理领域,一个是偏语义理解。即前端降噪和后端语义处理。
前端信号处理主要是从纷繁复杂的环境提取出有用的信号。
这些场景包汽车,办公,公共场所等。
前端语音处理算法
语音处理算法包括重采样,噪声抑制,回声消除,波束形成,声源定位,语音检测等算法。
有现成的开源算法可用于评估,前端信号处理以speex和webrtc,这两个算法都不错,不过Webrtc是基于视频的,其中并没有声源定位,声源定位技术有好几种,从两个麦克风(电视)
到智能语音产品的多麦克风都有。
BF(beam forming) 相位差,语音增强,跟踪(粒子滤波)
后端处理算法
主要是指基于服务器的算法,当然要求小的场景也可以前端