Download miễn phí
Tiếng nói là công cụ giao tiếp vô cùng hiệu quả và không thể thiếu của con người.
Ngày nay, với ý tưởng mở rộng việc giao tiếp người với máy móc qua tiếng nói thay vì
những thiết bị đầu vào phức tạp và không dễ nhớ, rất nhiều nhà nghiên cứu khoa học đã
đầu tư công sức vào việc xây dựng những hệ thống nhận dạng tiếng nói tự động cho nhiều
kiểu giọng nói và nhiều ngôn ngữ. Đặc điểm chung của các hệ nhận dạng này là đều bắt
đầu bằng quá trình tìm hiểu và mô phỏng các đặc điểm của tiếng nói, hay còn gọi là quá
trình “trích chọn đặc trưng”. Công việc này đặt nền tảng quan trọng cho việc áp dụng các
phương pháp nhận dạng và quyết định tới tính chính xác của toàn hệ thống.
Tiếp tục những nghiên cứu trên, khóa luận này tìm hiểu những đặc điểm của tiếng nói nói
chung và tiếng nói tiếng Việt nói riêng với mục đích kết xuất được các đặc trưng tiếng nói
tiếng Việt dưới dạng số thực cho quá trình nhận dạng. Đồng thời áp dụng mô hình thống
kê HMM để nhận dạng sử dụng phương pháp phân biệt thanh điệu để có kết quả kiểm
chứng mức độ chính xác của quá trình trích chọn đặc trưng và hướng tới ứng dụng.
Chương 1. MỞ ĐẦU
Chương đầu tiên dành để đặt vấn đề về đề tài nhận dạng tiếng nói nói chung và nhận dạng tiếng nói tiếng Việt nói riêng qua đó xác định tầm quan trọng của việc tìm hiểu đặc trưng của tiếng nói đối với hệ thống nhận dạng. Đồng thời, chương này chỉ ra những nghiên cứu hiện tại và hướng nghiên cứu sử dụng cũng như mục tiêu của khóa luận đối với đề tài này.
1.1. Đặt vấn đề
Một trong những mục đích và xu hướng quan trọng nhất của khoa học ngày nay là hướng tới việc tự động hóa các công việc chân tay, và thực tế máy móc với hiệu suất và tốc độ vượt trội đã thực sự thay thế sức lao động của con người trong rất nhiều lĩnh vực như điều khiển máy, chế tạo linh kiện, vật liệu… Một cách tự nhiên, điều này nảy sinh ra nhu cầu giao tiếp giữa con người với máy móc, khi việc giao tiếp bình thường thông qua các thiết bị đầu vào dần trở nên phức tạp như chính những cỗ máy đó. Trong nhiều năm qua, việc nghiên cứu và xây dựng hệ thống nhận dạng tiếng nói phục vụ giao tiếp người – máy đã được rất nhiều nhà nghiên cứu khoa học trên thế giới đầu tư thời gian công sức và đạt được nhiều kết quả khả quan. (VD: Framework nhận dạng tiếng nói Sphinx4, xây dựng bởi công ty Sun, đã nhận dạng được những câu nằm trong tập từ điển khoảng 65.000 từ) [8]
Đặc điểm chung của các hệ thống nhận dạng tiếng nói, dù sử dụng phương pháp nào, đó là trước hết phải số hóa tín hiệu tiếng nói để máy tính có thể hiểu được, qua đó tìm được những đặc trưng riêng của tiếng nói so với những đặc trưng của các âm thanh khác như nhạc cụ, tiếng ồn… Chính vì vậy việc trích chọn đặc trưng có thể nói là vấn đề quan trọng hàng đầu cho một hệ thống nhận dạng tiếng nói, trích chọn được các đặc trưng càng chính xác, độ chính xác trong việc nhận dạng của hệ thống càng cao, điều này hoàn toàn đúng với tất cả tiếng nói của mọi ngôn ngữ, trong đó bao gồm cả tiếng nói tiếng Việt.
Hình sau đây chỉ ra vị trí của quá trình trích chọn đặc trưng trong hệ thống nhận dạng tiếng nói bất kì:
Mục lục
Chương 1. MỞ ĐẦU 1
1.1. Đặt vấn đề 1
1.2. Hướng nghiên cứu và phương pháp sử dụng 2
1.3. Giới hạn và mục tiêu của đề tài 3
Chương 2. KỸ THUẬT TRÍCH CHỌN ĐẶC TRƯNG MFCC TRONG NHẬN DẠNG TIẾNG NÓI 4
2.1. XỬ LÝ TÍN HIỆU ÂM THANH VÀ TRÍCH CHỌN ĐẶC TRƯNG 4
2.2. TRÍCH CHỌN ĐẶC TRƯNG MFCC 5
2.2.1. Pre-emphasis 6
2.2.2. Windowing 6
2.2.3. DFT (Discrete fourier transform) 9
2.2.4. Mel filter-bank and log 9
2.2.5. Discrete consinse transform 10
2.2.6. Feature extraction 11
2.2.7. Tổng kết 12
Chương 3. ĐẶC TRƯNG VỀ THANH ĐIỆU CỦA TIẾNG VIỆT 13
3.1. Khái niệm ngôn điệu, ngữ điệu và thanh điệu 13
3.2. Tìm đường nét F0 và nghiên cứu đặc điểm của từng thanh điệu trong tiếng Việt 14
3.2.1. Tính đường nét thanh điệu 14
3.2.2. Đặc điểm của từng thanh điệu dựa vào đường nét 15
Chương 4. SỬ DỤNG ĐẶC TRƯNG TIẾNG NÓI NÓI CHUNG VÀ TIẾNG VIỆT NÓI RIÊNG CHO MÔ HÌNH NHẬN DẠNG TIẾNG NÓI TIẾNG VIỆT 19
4.1. Mô hình Markov ẩn (Hidden Markov Model) 19
4.1.1. Xích Markov, quá trình Markov 19
4.1.2. Mô hình Markov ẩn (Hidden Markov Model - HMM) 20
4.2. Áp dụng mô hình HMM cho bài toán nhận dạng tiếng nói, sử dụng trích chọn đặc trưng MFCC 21
4.2.1. Mô hình hóa nhận dạng tiếng nói bằng HMM 21
4.3. Sử dụng đường nét F0 phân biệt thanh điệu tiếng Việt 29
4.3.1. Thanh ngã 29
4.3.2. Thanh ngang 29
4.3.3. Thanh huyền 30
4.3.4. Thanh sắc 30
4.3.5. Thanh nặng 30
4.3.6. Thanh hỏi 31
4.3.7. Phân lớp thanh điệu 31
Chương 5. KẾT QUẢ THỰC NGHIỆM 32
5.1. Kết quả của nhận dạng tiếng nói sử dụng đặc trưng MFCC 32
5.2. Kết quả phân biệt thanh điệu 33
5.2.1. Mô tả bộ dữ liệu 33
5.2.2. Kết quả 35
5.3. Nhận xét 35
Chương 6. KẾT LUẬN CHUNG VÀ ĐỊNH HƯỚNG NGHIÊN CỨU PHÁT TRIỂN TRONG TƯƠNG LAI 37
6.1. Các vấn đề đã nghiên cứu và hoàn thành 37
6.2. Các vấn đề tồn tại 37
6.3. Định hướng nghiên cứu phát triển trong tương lai 38
PHỤ LỤC 39
Tài liệu tham khảo: 41
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Tiếng nói là công cụ giao tiếp vô cùng hiệu quả và không thể thiếu của con người.
Ngày nay, với ý tưởng mở rộng việc giao tiếp người với máy móc qua tiếng nói thay vì
những thiết bị đầu vào phức tạp và không dễ nhớ, rất nhiều nhà nghiên cứu khoa học đã
đầu tư công sức vào việc xây dựng những hệ thống nhận dạng tiếng nói tự động cho nhiều
kiểu giọng nói và nhiều ngôn ngữ. Đặc điểm chung của các hệ nhận dạng này là đều bắt
đầu bằng quá trình tìm hiểu và mô phỏng các đặc điểm của tiếng nói, hay còn gọi là quá
trình “trích chọn đặc trưng”. Công việc này đặt nền tảng quan trọng cho việc áp dụng các
phương pháp nhận dạng và quyết định tới tính chính xác của toàn hệ thống.
Tiếp tục những nghiên cứu trên, khóa luận này tìm hiểu những đặc điểm của tiếng nói nói
chung và tiếng nói tiếng Việt nói riêng với mục đích kết xuất được các đặc trưng tiếng nói
tiếng Việt dưới dạng số thực cho quá trình nhận dạng. Đồng thời áp dụng mô hình thống
kê HMM để nhận dạng sử dụng phương pháp phân biệt thanh điệu để có kết quả kiểm
chứng mức độ chính xác của quá trình trích chọn đặc trưng và hướng tới ứng dụng.
Chương 1. MỞ ĐẦU
Chương đầu tiên dành để đặt vấn đề về đề tài nhận dạng tiếng nói nói chung và nhận dạng tiếng nói tiếng Việt nói riêng qua đó xác định tầm quan trọng của việc tìm hiểu đặc trưng của tiếng nói đối với hệ thống nhận dạng. Đồng thời, chương này chỉ ra những nghiên cứu hiện tại và hướng nghiên cứu sử dụng cũng như mục tiêu của khóa luận đối với đề tài này.
1.1. Đặt vấn đề
Một trong những mục đích và xu hướng quan trọng nhất của khoa học ngày nay là hướng tới việc tự động hóa các công việc chân tay, và thực tế máy móc với hiệu suất và tốc độ vượt trội đã thực sự thay thế sức lao động của con người trong rất nhiều lĩnh vực như điều khiển máy, chế tạo linh kiện, vật liệu… Một cách tự nhiên, điều này nảy sinh ra nhu cầu giao tiếp giữa con người với máy móc, khi việc giao tiếp bình thường thông qua các thiết bị đầu vào dần trở nên phức tạp như chính những cỗ máy đó. Trong nhiều năm qua, việc nghiên cứu và xây dựng hệ thống nhận dạng tiếng nói phục vụ giao tiếp người – máy đã được rất nhiều nhà nghiên cứu khoa học trên thế giới đầu tư thời gian công sức và đạt được nhiều kết quả khả quan. (VD: Framework nhận dạng tiếng nói Sphinx4, xây dựng bởi công ty Sun, đã nhận dạng được những câu nằm trong tập từ điển khoảng 65.000 từ) [8]
Đặc điểm chung của các hệ thống nhận dạng tiếng nói, dù sử dụng phương pháp nào, đó là trước hết phải số hóa tín hiệu tiếng nói để máy tính có thể hiểu được, qua đó tìm được những đặc trưng riêng của tiếng nói so với những đặc trưng của các âm thanh khác như nhạc cụ, tiếng ồn… Chính vì vậy việc trích chọn đặc trưng có thể nói là vấn đề quan trọng hàng đầu cho một hệ thống nhận dạng tiếng nói, trích chọn được các đặc trưng càng chính xác, độ chính xác trong việc nhận dạng của hệ thống càng cao, điều này hoàn toàn đúng với tất cả tiếng nói của mọi ngôn ngữ, trong đó bao gồm cả tiếng nói tiếng Việt.
Hình sau đây chỉ ra vị trí của quá trình trích chọn đặc trưng trong hệ thống nhận dạng tiếng nói bất kì:
Mục lục
Chương 1. MỞ ĐẦU 1
1.1. Đặt vấn đề 1
1.2. Hướng nghiên cứu và phương pháp sử dụng 2
1.3. Giới hạn và mục tiêu của đề tài 3
Chương 2. KỸ THUẬT TRÍCH CHỌN ĐẶC TRƯNG MFCC TRONG NHẬN DẠNG TIẾNG NÓI 4
2.1. XỬ LÝ TÍN HIỆU ÂM THANH VÀ TRÍCH CHỌN ĐẶC TRƯNG 4
2.2. TRÍCH CHỌN ĐẶC TRƯNG MFCC 5
2.2.1. Pre-emphasis 6
2.2.2. Windowing 6
2.2.3. DFT (Discrete fourier transform) 9
2.2.4. Mel filter-bank and log 9
2.2.5. Discrete consinse transform 10
2.2.6. Feature extraction 11
2.2.7. Tổng kết 12
Chương 3. ĐẶC TRƯNG VỀ THANH ĐIỆU CỦA TIẾNG VIỆT 13
3.1. Khái niệm ngôn điệu, ngữ điệu và thanh điệu 13
3.2. Tìm đường nét F0 và nghiên cứu đặc điểm của từng thanh điệu trong tiếng Việt 14
3.2.1. Tính đường nét thanh điệu 14
3.2.2. Đặc điểm của từng thanh điệu dựa vào đường nét 15
Chương 4. SỬ DỤNG ĐẶC TRƯNG TIẾNG NÓI NÓI CHUNG VÀ TIẾNG VIỆT NÓI RIÊNG CHO MÔ HÌNH NHẬN DẠNG TIẾNG NÓI TIẾNG VIỆT 19
4.1. Mô hình Markov ẩn (Hidden Markov Model) 19
4.1.1. Xích Markov, quá trình Markov 19
4.1.2. Mô hình Markov ẩn (Hidden Markov Model - HMM) 20
4.2. Áp dụng mô hình HMM cho bài toán nhận dạng tiếng nói, sử dụng trích chọn đặc trưng MFCC 21
4.2.1. Mô hình hóa nhận dạng tiếng nói bằng HMM 21
4.3. Sử dụng đường nét F0 phân biệt thanh điệu tiếng Việt 29
4.3.1. Thanh ngã 29
4.3.2. Thanh ngang 29
4.3.3. Thanh huyền 30
4.3.4. Thanh sắc 30
4.3.5. Thanh nặng 30
4.3.6. Thanh hỏi 31
4.3.7. Phân lớp thanh điệu 31
Chương 5. KẾT QUẢ THỰC NGHIỆM 32
5.1. Kết quả của nhận dạng tiếng nói sử dụng đặc trưng MFCC 32
5.2. Kết quả phân biệt thanh điệu 33
5.2.1. Mô tả bộ dữ liệu 33
5.2.2. Kết quả 35
5.3. Nhận xét 35
Chương 6. KẾT LUẬN CHUNG VÀ ĐỊNH HƯỚNG NGHIÊN CỨU PHÁT TRIỂN TRONG TƯƠNG LAI 37
6.1. Các vấn đề đã nghiên cứu và hoàn thành 37
6.2. Các vấn đề tồn tại 37
6.3. Định hướng nghiên cứu phát triển trong tương lai 38
PHỤ LỤC 39
Tài liệu tham khảo: 41
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links
