Embedded Files
🔬 科學 (S)：認識聲音的聲波
💻 科技 (T)：透過科技使用人工智能識別聲音，擷取其中的關鍵字，而作出回應
🔩 工程 (E)：製作一個識別語音指令模型，以控制日常生活的裝置，如電燈
語言智能
語言智能
處理人類語言的能力是具備智能的象徵。能夠理解語音，並生成語音的技術，是人工智能核心之一。
「文字轉語音」(Text to Speech - TTS) ： 按文字輸入生成語音輸出。
「自動語音識別」(Automatic Speech Recognition - ASR)：識別人類語音，轉換為文字輸出。
活動一：
完成課堂筆記，列出五項人類語音包含的資訊。
活動二：
完成課堂筆記，列出兩項「文字轉語音」的日常應用。
文字轉語音合成的原理
文字轉語音合成的原理
「文字轉語音」合成系統須參照語言學層次架構，從輸入句字文字開始，到生成語音的波形結束。
輸入文字
文字規範化：分析文字的文法、文字轉音位、韻律預測
將語言數據轉化為波形，生成合成的語音輸出
自動語音識別的應用
自動語音識別的應用
聽寫系統： 系統識別語音轉換為文字，並執行「逗號」，「新段落」指令，自動為句子加入大寫字母。
私人虛擬助理：系統識別語音，判斷用戶指令，開啟或關閉各項功能。
語言學習系統：判斷用戶練習口語時出現的錯誤，提供即時反饋。
識別發音障礙人士技術：連結
影響自動語音識別表現的因素
影響自動語音識別表現的因素
說話風格、口語詞彙、停頓
不同地區的口音
環境噪音
活動三：
進入Azure AI語音識別平台，設定語言選項為 (廣東話)。
在清靜和嘈雜環境下進行錄音：「我今個星期日會去大澳食沙翁」。
在工作紙空格上寫出AI的輸出結果。
自動語音識別的原理
自動語音識別的原理
使用連接音效卡的麥克風，記錄語音波形
波形轉換成數碼信號，並由人工智能模型進行分析
輸出文字或句字
*自動語音識別 (ASR) 模型須以多種語彙、語法進行訓練，才能使AI判斷句子的前文後理，並獲得語境信息。
自動語音識別管道可以擴展以致識別語音信號的不同特徵，例如說話者的性別、年齡、身份、說話的語言、說話時的口音等。
Page updated
Report abuse