语音算法笔记

[语音增强和语音识别网页书](https://legacy.gitbook.com/book/shichaog1/hand-book-of-speech-enhancement-and-recognition/details)

语音处理算法一直处于研究和发展的阶段，随着人工智能的兴起，人工智能的两个入口：语音和视觉正变的越来越重要，这也是未来5~10年各个AI公司关注的重点。

语音处理算法主要分为两个部分，一个是偏信号处理领域，一个是偏语义理解。即前端降噪和后端语义处理。

前端信号处理主要是从纷繁复杂的环境提取出有用的信号。

这些场景包汽车，办公，公共场所等。

前端语音处理算法

语音处理算法包括重采样，噪声抑制，回声消除，波束形成，声源定位，语音检测等算法。

有现成的开源算法可用于评估，前端信号处理以speex和webrtc，这两个算法都不错，不过Webrtc是基于视频的，其中并没有声源定位，声源定位技术有好几种，从两个麦克风（电视）

到智能语音产品的多麦克风都有。

BF（beam forming）  相位差，语音增强，跟踪（粒子滤波）

后端处理算法

主要是指基于服务器的算法，当然要求小的场景也可以前端化。

ASR（automatic speech recognition） 深度学习，隐马尔科夫;AM升级+LM权重调整。
NLP（neuro-Linguistic Programming） 深度学习模型
TTS（text-to-speech） 语音合成，神经网络
  kaldi（asr）     alice （nlp）
tts
语法分析
韵律分析
字音转换
韵律生成
声学合成

采用共振峰合成器合成技术可以达到逼真的合成语言，但是合成的音质并不能；

 

speex aec    webrtc（bf，sl）    kaldi（asr）     alice （nlp）