Speech recognition is very importan

Speech recognition is very important part of this system in this phase speech samples are obtained from speaker at real time and stored for preprocessing. For speech recognition we require microphone to receive voice speech signals, Speech acquisition can be easily done by the microphone present in the mobile phone, In the acquisition phase the different M/C is depends upon the its own configuration, hence there is need to store the sample of different users to make system more compatible to any type of voice. To recognize the speech HMM-based automatic recognition was conducted. For continuous phoneme recognition, an 86% phoneme correct was achieved for the normal-hearing. To achieve speech preprocessing sphinx frame work is used this is the best tool found to acquiesce speech signals. Sphinx is design with high flexibility modularity. Recognition or pattern classification is the process of comparing the unknown test pattern with each sound class reference pattern and computing a measure of similarity (distance) between the test pattern and each reference pattern. The digit is recognized using a maximum likelihood estimate, such as the Viterbi decoding algorithm, which implies that the digit whose model has the maximum probability is the spoken digit. Preprocessing, feature vector extraction, and codebook generation are same as in HMM training. The input speech sample is preprocessed and the feature vector is extracted. Then, the index of the nearest codebook vector for each frame is sent to all digit models. The model with the maximum probability is chosen as the recognized digit.

ผลลัพธ์ (ไทย) 1:

รู้จำเสียงพูดเป็นส่วนหนึ่งที่สำคัญมากของระบบนี้ตัวอย่างการพูดช่วงนี้จะได้รับจากลำโพงในเวลาจริงและเก็บไว้สำหรับ preprocessing สำหรับการรู้จำเสียงพูดที่เราจำเป็นต้องใช้ไมโครโฟนจะรับสัญญาณเสียงพูด, การซื้อเสียงพูดสามารถทำได้อย่างง่ายดายโดยปัจจุบันไมโครโฟนในโทรศัพท์มือถือ,อยู่ในขั้นตอนการซื้อที่แตกต่างกัน m / c คือขึ้นอยู่กับการกำหนดค่าของตัวเองของมันจึงมีความจำเป็นต้องเก็บตัวอย่างของผู้ใช้ที่แตกต่างกันเพื่อให้ระบบเข้ากันได้กับชนิดของเสียงใด ๆ ที่จะรับรู้การพูด hmm ตามการรับรู้โดยอัตโนมัติได้ดำเนินการ สำหรับการรับรู้อย่างต่อเนื่องฟอนิม, ฟอนิม 86% ที่ถูกต้องก็ประสบความสำเร็จสำหรับการได้ยินปกติเพื่อให้บรรลุ preprocessing สฟิงซ์พูดกรอบการทำงานนี้ถูกนำมาใช้เป็นเครื่องมือที่ดีที่สุดพบว่ายอมรับสัญญาณเสียงพูด สฟิงซ์คือการออกแบบที่มีความยืดหยุ่นสูงต้นแบบ การจัดหมวดหมู่ได้รับการยอมรับหรือรูปแบบที่เป็นกระบวนการของการเปรียบเทียบรูปแบบการทดสอบที่ไม่รู้จักกับแต่ละรูปแบบการอ้างอิงคลาสเสียงและการคำนวณตัวชี้วัดของความคล้ายคลึงกัน (ระยะทาง) ระหว่างรูปแบบการทดสอบและรูปแบบการอ้างอิงในแต่ละหลักได้รับการยอมรับโดยใช้การประมาณโอกาสสูงสุดเช่นถอดรหัสคอนโวลูซึ่งหมายความว่าหลักที่มีรูปแบบที่มีความน่าจะเป็นสูงสุดคือพูดหลัก preprocessing สกัดเวกเตอร์คุณลักษณะและรุ่น codebook เช่นเดียวกับในการฝึกอบรม hmm ตัวอย่างการพูดการป้อนข้อมูล preprocessed และเวกเตอร์คุณสมบัติเป็นสารสกัด แล้วดัชนีของเวกเตอร์ codebook ที่ใกล้ที่สุดสำหรับแต่ละเฟรมจะถูกส่งไปทุกรุ่นหลัก รูปแบบที่มีความน่าจะเป็นสูงสุดที่ถูกเลือกให้เป็นที่ยอมรับในหลัก

ผลลัพธ์ (ไทย) 2:

การรู้จำเสียงเป็นสิ่งสำคัญมากส่วนหนึ่งของระบบนี้ในตัวอย่างนี้คำพูดระยะที่ได้จากลำโพงเวลาจริง และเก็บไว้สำหรับการประมวลผลเบื้องต้น การรู้จำเสียง เราต้องใช้ไมโครโฟนรับเสียงเสียงสัญญาณ เสียงซื้อง่ายโดยไมโครโฟนอยู่ในโทรศัพท์มือถือ ซื้อ M/C แตกต่างกันคือระยะขึ้นอยู่กับการตั้งค่าคอนฟิกของตนเอง ดังนั้น ไม่จำเป็นต้องเก็บตัวอย่างของผู้ใช้เพื่อให้ระบบเข้ากันได้มากกว่าเสียงชนิดใด การรับรู้เสียง HMM ตามการรับรู้โดยอัตโนมัติดำเนินการ สำหรับการรับรู้หน่วยเสียงอย่างต่อเนื่อง หน่วยเสียง 86% ถูกต้องถูกรับการได้ยินปกติ เพื่อให้ได้เสียงที่ใช้งานเฟรมสฟิงซ์เบื้องนี้เป็นเครื่องมือดีที่สุดที่พบ acquiesce สัญญาณเสียง สฟิงซ์เป็นออกแบบ มีความยืดหยุ่นสูง modularity กระบวนการเปรียบเทียบรูปแบบทดสอบรู้จักกับแต่ละระดับเสียงอ้างอิงรูปแบบ และคอมพิวเตอร์วัดคล้าย (ระยะห่าง) ระหว่างรูปแบบการทดสอบและรูปแบบการอ้างอิงแต่ละประเภทการรับรู้หรือรูปแบบได้ ตัวเลขมีการรับรู้โดยใช้การประเมินความเป็นไปได้สูงสุด เช่น Viterbi ถอดรหัสอัลกอริธึม ซึ่งหมายความว่าตัวเลขที่รุ่นมีความเป็นไปได้สูงสุดหลักการพูด ประมวลผลเบื้องต้น คุณลักษณะแยกเวกเตอร์ และรุ่น codebook ได้เดียวกันในการฝึกอบรม HMM Preprocessed ตัวอย่างสัญญาณเสียง และแยกเวกเตอร์คุณลักษณะ แล้ว ดัชนีของเวกเตอร์ codebook ที่ใกล้ที่สุดสำหรับแต่ละเฟรมจะถูกส่งไปทุกตัวเลขรุ่น รูปแบบที่ มีความเป็นไปได้สูงสุดที่เป็นตัวเลขที่รู้จัก

ผลลัพธ์ (ไทย) 3:

การรู้จำเสียงพูดมีความสำคัญเป็นอย่างมากของระบบนี้ในช่วงนี้มีตัวอย่างเสียงพูดได้รับจากลำโพงที่เวลาอย่างแท้จริงและจัดเก็บไว้สำหรับ preprocessing สำหรับการรู้จำเสียงเราต้องใช้ไมโครโฟนในการรับสัญญาณเสียงพูดเสียงการซื้อเสียงจะสามารถเป็นได้อย่างง่ายดายทำได้โดยปัจจุบันไมโครโฟนที่อยู่ในฟิลด์หมายเลขโทรศัพท์มือถือในขั้นตอนการควบรวมกิจการที่แตกต่างกันม./ C คือจะขึ้นอยู่กับการกำหนดค่าของส่วนตัวจึงมีความจำเป็นในการจัดเก็บตัวอย่างที่แตกต่างกันของผู้ใช้ในการทำให้ระบบสามารถใช้งานร่วมกับทุก ประเภท ของเสียง การจดจำเสียงพูดได้การยอมรับโดยอัตโนมัติอืมม - ใช้เป็นผู้ดำเนินการ ในการยอมรับส่วนที่น้อยที่สุดของเสียงใน ภาษาพูด ที่ถูกต้องอย่างต่อเนื่องส่วนที่น้อยที่สุดของเสียงใน ภาษาพูด 86% ที่เป็นความสำเร็จสำหรับปกติ - การได้ยินในการบรรลุเป้าหมายงานเฟรมสฟิงค์ preprocessing เสียงพูดจะใช้เป็นเครื่องมือที่ดีที่สุดที่พบในการยินยอมสัญญาณเสียง สฟิงค์ได้รับการออกแบบพร้อมด้วยระบบโมดูลมีความยืดหยุ่นสูง การจำแนก ประเภท การรูปแบบหรือการจดจำเป็นกระบวนการของการเปรียบเทียบรูปแบบทดสอบที่ไม่รู้จักที่มีรูปแบบการอ้างอิงระดับเสียงและการใช้งานคอมพิวเตอร์แต่ละวัดที่มีลักษณะคล้ายคลึงกันถึง(ระยะทาง)ระหว่างรูปแบบการทดสอบและรูปแบบการอ้างอิงแต่ละครั้งหลักที่เป็นที่รู้จักโดยใช้การประเมินความเป็นไปได้สูงสุดเช่นอัลกอริทึมการถอดรหัส viterbi ซึ่งหมายถึงว่าหลักที่มีรุ่นมีโอกาสสูงสุดที่เป็นหลักพูดออกมา preprocessing โดดเด่นไปด้วยการขุดเจาะและ initialization vector รุ่นมีหนังสือรวมสัญลักษณ์การฝึกอบรมเหมือนกับในจำ ตัวอย่างเสียงพูดอินพุตที่มี preprocessed และ initialization vector โดดเด่นไปด้วยที่จะถูกแยกออกมา แล้วดัชนีของเวกเตอร์หนังสือรวมสัญลักษณ์ที่อยู่ใกล้ที่สุดในแต่ละเฟรมจะถูกส่งไปยังรุ่นหลักทั้งหมด รุ่นที่มีโอกาสสูงสุดที่ได้รับการเลือกสรรเป็นหลักที่ได้รับการยอมรับ