《人工智能基礎(chǔ)與應(yīng)用》第7章 課后習(xí)題參考答案

第7章語音識別：讓機器言聽計從課后習(xí)題答案一、考考你 1.語音識別技術(shù)主要包括語音信號處理、C、聲學(xué)模型、語言模型和解碼搜索五個關(guān)鍵要素。A.采用頻率 B.分頻技術(shù)C.特征提取 D.模型訓(xùn)練2.深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別是C。A.輸入層節(jié)點數(shù)不同 B.輸出層節(jié)點數(shù)不同C.隱含層個數(shù)不同 D.激活函數(shù)不同3.卷積神經(jīng)網(wǎng)絡(luò)的主要特點是具有C。A.池化層 B.全連接層C.卷積操作 D.多層隱含層4.卷積神經(jīng)網(wǎng)絡(luò)的池化層的本質(zhì)是D。A.提取特征數(shù)據(jù) B.提高模型泛化能力C.過濾到不必要數(shù)據(jù) D.對數(shù)據(jù)進(jìn)行一個縮小5.關(guān)于EasyDL錯誤的說法是C。A.可定制高精度AI模型 B.自定制模型可迭代訓(xùn)練C.只用于語音識別模型的定制 D.幾乎零基礎(chǔ)就可以上手使用 二、亮一亮 1.請簡述語音識別的過程。語音識別過程的步驟如下。(1)把一段語音進(jìn)行采集轉(zhuǎn)換成數(shù)字信號，然后進(jìn)行預(yù)加重、分幀和濾波處理，分成若干小段；(2)按FBank特征或MFCC特征進(jìn)行特征提取工作，為聲學(xué)模型提供合適的特征向量；(3)利用聲學(xué)模型計算每一個特征向量在聲學(xué)特征上的得分；(4)利用語言模型計算該聲音對應(yīng)的可能詞組序列的概率；(5)根據(jù)已有的詞典，對詞組序列進(jìn)行解碼，得到最有可能的文本表示。 2.什么是深度神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？兩種有何異同？深度神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)模型包括多個神經(jīng)網(wǎng)絡(luò)層，如卷積層、全連接層、LSTM（longshorttermmemory）等，每一層又包括很多神經(jīng)元，通常超過三層的非線性神經(jīng)網(wǎng)絡(luò)都可以被稱為深度神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)：深度神經(jīng)網(wǎng)絡(luò)中，如果輸入層向量有n個，假設(shè)隱藏層數(shù)目與輸入層一樣，那么輸入層到隱藏層的權(quán)重參數(shù)有n*n個，還不考慮后面其它隱藏層的參數(shù)，這樣參數(shù)就太多了，模型根本無法訓(xùn)練，因此就需要減少參數(shù)以加快訓(xùn)練速度，在20世紀(jì)60年代，Hubel和Wiesel在研究大腦皮層中用于局部敏感和方向選擇的神經(jīng)元是發(fā)現(xiàn)其獨特的網(wǎng)絡(luò)結(jié)構(gòu)可以有效地降低反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，繼而提出了卷積神經(jīng)(ConvolutionalNeuralNetwork，CNN)，其結(jié)構(gòu)如下所示，即通過卷積層的卷積操作大大減少輸入層原始數(shù)據(jù)的計算量，這就是卷積神經(jīng)網(wǎng)絡(luò)的由來。 三、幫幫我 1.利用百度智能云創(chuàng)建一個語音識別應(yīng)用，來識別本地的一個短語音文件。 提示：1）使用命令pip3installbaidu-aip安裝AipSpeech模塊。2）創(chuàng)建一個AipSpeech的客戶端對象client。3）調(diào)用client的自動語音識別方法asr將本地語音文件發(fā)送到服務(wù)器，并對返回的數(shù)據(jù)進(jìn)行解析從而得到語音識別結(jié)果。請訪問相關(guān)技術(shù)指南頁面/doc/SPEECH/s/Bk4o0bmt3了解詳情，參考代碼如下：fromaipimportAipSpeech#定義常量，你在百度智能云上申請的應(yīng)用獲取appKey和appSecretAPP_ID='你的AppID'API_KEY='你的APIKey'SECRET_KEY='你的SecretKey'#初始化AipSpeech對象aipSpeech=AipSpeech(APP_ID,API_KEY,SECRET_KEY)#讀取文件defget_file_content(filePath):withopen(filePath,'rb')asfp:returnfp.read()#識別本地文件#請求說明：

#1.原始語音的錄音格式目前只支持評測8k/16k采樣率16bit位深的單聲道語音

#2.壓縮格式支持：pcm（不壓縮）、wav、amr

#3.系統(tǒng)支持語言種類：中文（zh）、粵語（ct）、英文（en）。result=aipSpeech.asr(get_file_content('audio.pcm'),'pcm',16000,{'lan':'zh',})#打印識別結(jié)果print(result)2.針對