CHƯƠNG 1 TONG QUAN VE NHAN DANG TIENG NOL 1. Lịch sử phát triển Các nghiên cứu nhận đạng tiếng nói được bắt đầu từ thập niên 40 của thế kỉ 19, với sư khởi nguồn của Bell Laboratories. Nam 1952, ho da cho ra doi hé théng Audrey có khả năng nhận dạng chữ số từ một nguồn don. Nam 1962, [3M cho ra đời máy Shoebox cỏ khả năng nhận dang 16 từ trong tiếng Anh.
Trong giai đoạn nảy, các nhà nghiên cứu của Mỹ, Khật, Anh, Liên Xô cũng cho ra đời các sản phẩm có khá năng nhận dạng 4 nguyên 4m va 16 phụ âm. Dây lá một kết quả ấn tượng, đủ không thể so sánh với ngày nay, khi máy tính biện dại mạnh hơn rất nhiều ngay cả khi so sánh với các siêu rnáy tính thập niền 50, 60. Thành công bước đầu này đã tạo xnột nền tăng cho sự phát triển cửa công nghệ nhận dạng tiếng nói Những năm 70, chương trình SUR (DARPA Speech Understanding Research) dười sự tải trợ của bộ quốc phòng Mỹ đã tạo nên thánh công với hệ thống nhận dang uống nói Harpy của Đại học Camegie Mellon, khi có khả năng nhận dạng lới 1011 từ - tương đương tập từ vụng của đứa trẻ ba tuổi. Harpy đã gây án tượng mạnh khi đưa ra một phương pháp Lim kiếm moi beam search, tìm kiểm kết quả phố hợp trong một mạng các trạng hữu hạn.
Trong thập niên tiếp theo, những năm 80, nhận dạng tiếng nói bước sang một hưởng tiếp cận mới giúp tập từ vựng nhận dạng có thê lên dến hảng nghìn từ, thậm chỉ có kh năng nhận đựng không giới hạn dựa trên thống kê, mà nổi bật nhất. là mô tỉnh Markov ấn. Trong giai đoạn này, nhận đạng tiếng nói cũng bắt đầu được đưa vào các tiny dung thương xnại. Dù có thể nhận dạng Lới hàng ngbin tr, nhưng thời *kỳ này nhận dạng tiêng nói vẫn cỏ một hạn chê lớn khi không thế nhận đạng các từ một cách liên tục, tên tại sự gián đoạn giữa hai lần nhận đạng khác nhau.
Những năm 90, hệ thông nhận dạng tiếng nói tiếp tue được mở rộng để có khả từng nhận dạng những lập Lừ vựng lớn. Giai đoạn này chứng kiến sự ta đời của ứng dụng Dragon Đietate, được cải tiến sau đỏ 7 năm — Dragon NaturallySpeaking cho phép nhận đạng tiếng nói liên tục khoảng 100 từ mỗi phút. Chương trình mắt khoảng 4S phút để huấn luyện. 2000, nhân dạng tiếng nói đã cỏ thể dạt đến độ chỉnh xác 80%, y, độ chính xáe dường như đã đạt đến giới hạn.
Khả năng nhận dạng tiếng nói được trang bị trên nhiều phản mếm khác nhau như các phiên bản của hệ điều hành Windows, Mao OS, Linux. và được đưa lên cá các thiết bị di động, Các sản phẩm nổi tiếng nhận đạng tiếng nói hiện nay như Siri, Google's Voice Search đã và đang đem đến những trấi nghiệm mới trong giao tiếp người máy, Sự bùng nỗ các ứng dụng liên quan là đấu hiệu cho thấy sự khả quan trong ứng đụng nhận dạng Hếng nói, các ứng dụng không chỉ đơn giản như điển khiến máy tính, chuyển tín hiệu âm thanh thành văn ban, ma cou hỗ trợ đa ngôn ngũ, đã thiết bị, thậm chí lâm việc ngay cá trong môi trường có nhiều tiếng ổn. ‘an tric ngần ngữ[1| Tiếng nói là một hiện tượng vật lý phúc tạp, chúng ta thường có it có nhận bid đúng về cách tức chủng được sinh ra và được tiếp nhận. Các quan diêm truyền thông thường cho rằng liêng nói là tổ hợp áo từ, mỗi từ lại gồm nhiều âm tiết Thực nghiệm lại cho thấy kết quả khác, tếng nói là một quả trình động không phân biệt các phân với nhau một cách rõ rằng.
Ví dụ biếu điễn đưới dạng sóng của từ “tài Hình 1 Biểu điễn sóng của từ "tài sẵn" Một cách dơn giản tiếng nói gồm nhiễu câu nỏi. Các câu nói dược xây dựng từ nhiều từ, cáo từ được cầu tạo lừ nhiều âm tiết. Môi tâm tiết lại được lễ hợp từ các âm co 'Trong ứng dụng thực tế, tiếng noi dược xem xét dưới góc dộ mớt dong am thanh liên tục, ở đó các trạng thải ổn định vả các trạng thải động, hỏa trộn vào nhau, không phân tách một cách rõ ràng. Trong chuỗi cá trang thải đỏ, chúng ta cỏ thẻ phân định ra một hoặc nhiễu tập trạng thái tương tự nhau gọi là âm (phone).
Từ (word) đượo xây đựng từ âm, điều mày không hoàn toàn đúng. Các đặc điểm âm học. đặc trưng cho đang sông của âm rất khác nhau phụ thuộc vào nhiêu yêu tổ như ngữ cảnh, người nói, văn phong. Điều này làm cho biểu diễn âm dưới dạng sóng biển đối đa dạng Su biển đổi trạng thải giữa hai từ khác nhau mang nhiều thông tia hơn các thành phẩn trạng thái én định, phần chuyển giữa lưi âm bên được gọi là đíphone.
Đôi khi, người ta cũng nhắc đến các trạng thái con của một âm, thường có DANH MỤC HÌNH Tin 1 Biểu diễn sóng cửa từ "tài sắt Tình2 Mô hình nhận dạng ng nói Tình 3 Mô hình Markov Hinh 4 Hệ thống chúc năng của FAB — EIS. Tĩinh 5 Giao điện chính FAB - IIS THỉnh 6 Kiên trúc thiết kế Hình 7 Kiến trúc cải đặt FAB - HI8. Hinh 8 Kién tric EJB Hình 9 Kiên trúc J2EH Tình 10 Kiến tric IPA Tình 11 Kiến trúc Tboss Server Tình 12 Mẫu báo cáo Jasper Repart Hình 13 Quá trình cải đặt FAB- BIS sit dung Java Web Start Tình L4 Eclispe & Kiên trúc code FAB- EIS THnh 1S Sơ đồ khối sử đụng kỹ thuật 1Hook xây dựng chương trình nhận dang tiếng nói 33 Hinh 16 So dé kign trite Sphinx 4. - - see Hình 18 Để thj tim kiém GraphSeareh TH H HH H HH re ae 38 THinh 19 Thiết bị ghi âm Philips 48 Tình 20 Cầu hình card âm thanh - 49 Tình 21 Giao điện phan mềm ghỉ âm 49 Tỉnh 22 Cầu hình file ghi âm.
51 Hình 23 Két qua ghi 4m Cool Edit Pro - 51 Tĩinh 2⁄4 Dạng sóng cửa từ "Hóa Donf.S8 TTinh 25 Nội đưng thu được sau khi cất file wav 53 Hình 26 Cấu trúc thư mục sau khi cắt 30 file sau ghi âm của một thành viên. nh 27 Nội dung ñle Users. Hinh 28 Néi dung file TestUsers.txt Tình 29 Huấn luyện Tình 30 Két quả huần luyện THhnấ: 31 Sơ đồ khối clear bai Hinh 32 So đỏ khối gen pređata bat Hình 33 Sơ đôi khối train bat Tĩnh 34 Sơ đồ khối đăng ký menu xử lý tiếng nói Hinh 35 Sơ đỏ khỏi cải đặt nhận dạng tiếng nói 11ình 36 Giao điện nhận dạng tiếng nói Hình 37 Giao diện hồ sơ nhân sự. Sự bùng nỗ các ứng dụng liên quan là đấu hiệu cho thấy sự khả quan trong ứng đụng nhận dạng Hếng nói, các ứng dụng không chỉ đơn giản như điển khiến máy tính, chuyển tín hiệu âm thanh thành văn ban, ma cou hỗ trợ đa ngôn ngũ, đã thiết bị, thậm chí lâm việc ngay cá trong môi trường có nhiều tiếng ổn.
‘an tric ngần ngữ[1| Tiếng nói là một hiện tượng vật lý phúc tạp, chúng ta thường có it có nhận bid đúng về cách tức chủng được sinh ra và được tiếp nhận. Các quan diêm truyền thông thường cho rằng liêng nói là tổ hợp áo từ, mỗi từ lại gồm nhiều âm tiết Thực nghiệm lại cho thấy kết quả khác, tếng nói là một quả trình động không phân biệt các phân với nhau một cách rõ rằng. Ví dụ biếu điễn đưới dạng sóng của từ “tài Hình 1 Biểu điễn sóng của từ "tài sẵn" Một cách dơn giản tiếng nói gồm nhiễu câu nỏi. Các câu nói dược xây dựng từ nhiều từ, cáo từ được cầu tạo lừ nhiều âm tiết.
Môi tâm tiết lại được lễ hợp từ các âm co 'Trong ứng dụng thực tế, tiếng noi dược xem xét dưới góc dộ mớt dong am thanh liên tục, ở đó các trạng thải ổn định vả các trạng thải động, hỏa trộn vào nhau, không phân tách một cách rõ ràng. Trong chuỗi cá trang thải đỏ, chúng ta cỏ thẻ phân định ra một hoặc nhiễu tập trạng thái tương tự nhau gọi là âm (phone). Từ (word) đượo xây đựng từ âm, điều mày không hoàn toàn đúng. Các đặc điểm âm học.
đặc trưng cho đang sông của âm rất khác nhau phụ thuộc vào nhiêu yêu tổ như ngữ cảnh, người nói, văn phong. Điều này làm cho biểu diễn âm dưới dạng sóng biển đối đa dạng Su biển đổi trạng thải giữa hai từ khác nhau mang nhiều thông tia hơn các thành phẩn trạng thái én định, phần chuyển giữa lưi âm bên được gọi là đíphone. Đôi khi, người ta cũng nhắc đến các trạng thái con của một âm, thường có Sự bùng nỗ các ứng dụng liên quan là đấu hiệu cho thấy sự khả quan trong ứng đụng nhận dạng Hếng nói, các ứng dụng không chỉ đơn giản như điển khiến máy tính, chuyển tín hiệu âm thanh thành văn ban, ma cou hỗ trợ đa ngôn ngũ, đã thiết bị, thậm chí lâm việc ngay cá trong môi trường có nhiều tiếng ổn. ‘an tric ngần ngữ[1| Tiếng nói là một hiện tượng vật lý phúc tạp, chúng ta thường có it có nhận bid đúng về cách tức chủng được sinh ra và được tiếp nhận.
Các quan diêm truyền thông thường cho rằng liêng nói là tổ hợp áo từ, mỗi từ lại gồm nhiều âm tiết Thực nghiệm lại cho thấy kết quả khác, tếng nói là một quả trình động không phân biệt các phân với nhau một cách rõ rằng. Ví dụ biếu điễn đưới dạng sóng của từ “tài Hình 1 Biểu điễn sóng của từ "tài sẵn" Một cách dơn giản tiếng nói gồm nhiễu câu nỏi. Các câu nói dược xây dựng từ nhiều từ, cáo từ được cầu tạo lừ nhiều âm tiết. Môi tâm tiết lại được lễ hợp từ các âm co 'Trong ứng dụng thực tế, tiếng noi dược xem xét dưới góc dộ mớt dong am thanh liên tục, ở đó các trạng thải ổn định vả các trạng thải động, hỏa trộn vào nhau, không phân tách một cách rõ ràng.
Trong chuỗi cá trang thải đỏ, chúng ta cỏ thẻ phân định ra một hoặc nhiễu tập trạng thái tương tự nhau gọi là âm (phone). Từ (word) đượo xây đựng từ âm, điều mày không hoàn toàn đúng. Các đặc điểm âm học. đặc trưng cho đang sông của âm rất khác nhau phụ thuộc vào nhiêu yêu tổ như ngữ cảnh, người nói, văn phong.
Điều này làm cho biểu diễn âm dưới dạng sóng biển đối đa dạng Su biển đổi trạng thải giữa hai từ khác nhau mang nhiều thông tia hơn các thành phẩn trạng thái én định, phần chuyển giữa lưi âm bên được gọi là đíphone.