《圖解語音識(shí)別》從語音識(shí)別的歷史和基礎(chǔ)知識(shí)講起，通過圖解的方式對語音識(shí)別技術(shù)進(jìn)行了盡可能簡單的解釋。內(nèi)容涉及語音學(xué)基礎(chǔ)知識(shí)、統(tǒng)計(jì)模式識(shí)別、有限狀態(tài)自動(dòng)機(jī)、語音特征的提取、聲學(xué)模型和語言模型、搜索算法和基于WFST 的語音識(shí)別技術(shù)等。
此外，本書沒有將語音識(shí)別限定在“將語音轉(zhuǎn)換成文本”的傳統(tǒng)范疇內(nèi)，而是在此基礎(chǔ)上，還講解了從語音識(shí)別技術(shù)到人機(jī)對話技術(shù)的演進(jìn)過程和方法。內(nèi)容涉及語義分析和語音對話系統(tǒng)的實(shí)現(xiàn)。
125張圖解輕松入門
一本書掌握語音識(shí)別基礎(chǔ)知識(shí)
1.全面
網(wǎng)羅基礎(chǔ)知識(shí)點(diǎn)，語音識(shí)別研究入門佳作
2.易懂
深入淺出，技術(shù)領(lǐng)域的“科普書”
3.直觀
圖文并茂、全彩印刷，閱讀起來不費(fèi)勁
知識(shí)點(diǎn)涵蓋：
語音學(xué)／統(tǒng)計(jì)模式識(shí)別／有限狀態(tài)自動(dòng)機(jī)／特征提取／聲學(xué)模型
語言模型／搜索算法／WFST合成與轉(zhuǎn)換／語義分析／語音對話系統(tǒng)
荒木雅弘（作者）
1964年出生于日本大阪。1993年完成 了日本京都大學(xué)研究生院研究科信息工程專業(yè)博士課程的學(xué)習(xí)。先后擔(dān)任過京都大學(xué)工學(xué)部助教和京都大學(xué)綜合信息媒體中心講師。1999年開始擔(dān)任日本京都工藝?yán)w維大學(xué)工藝系助理教授，2007年晉升為研究生院工藝科學(xué)研究科副教授。目前正在開發(fā)以語義網(wǎng)為知識(shí)庫的對話系統(tǒng)，研究用于多模態(tài)對話系統(tǒng)的描述語言。
陳舒揚(yáng)（譯者）
軟件開發(fā)工程師，任職于某日企，從事軟件開發(fā)工作。熱愛編程和游戲，崇尚開源精神，對機(jī)器學(xué)習(xí)領(lǐng)域的東西都很著迷。
楊文剛（譯者）
長期從事軟件開發(fā)和系統(tǒng)運(yùn)維工作。現(xiàn)任職于某世界五百強(qiáng)企業(yè)，探索數(shù)字化轉(zhuǎn)型業(yè)務(wù)，內(nèi)容涉及大數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)。
目錄
第 1章 開篇
1.1 什么是語音識(shí)別 2
1.2 語音識(shí)別的歷史 4
1.3 語音識(shí)別的用處 6
1.4 為什么很難 8
1.5 本書的目標(biāo) 10
1.6 小結(jié) 12
第 2章 什么是語音
2.1 語音學(xué) 16
2.2 聲音是如何產(chǎn)生的——發(fā)音語音學(xué) 16
2.3 聲音的真面目——聲學(xué)語音學(xué) 23
2.4 聲音是如何被感知的——感知語音學(xué) 29
2.5 總結(jié) 32
第3章 統(tǒng)計(jì)模式識(shí)別
3.1 什么是模式識(shí)別 34
3.2 統(tǒng)計(jì)模式識(shí)別的思路 36
3.3 生成模型的訓(xùn)練 40
3.4 判別模型的訓(xùn)練 44
3.5 統(tǒng)計(jì)語音識(shí)別的概要 45
3.6 總結(jié) 48
第4章 有限狀態(tài)自動(dòng)機(jī)
4.1 什么是有限狀態(tài)自動(dòng)機(jī) 50
4.2 用有限狀態(tài)自動(dòng)機(jī)表達(dá)的語言 53
4.3 各種各樣的有限狀態(tài)自動(dòng)機(jī) 55
4.4 有限狀態(tài)自動(dòng)機(jī)的性質(zhì) 58
4.5 總結(jié) 59
第5章 語音特征的提取
5.1 特征提取的步驟 62
5.2 語音信號的數(shù)字化 64
5.3 人類聽覺模擬——頻譜分析 67
5.4 另一個(gè)精巧設(shè)計(jì)——倒譜分析 69
5.5 噪聲去除 72
5.6 總結(jié) 73
第6章 語音識(shí)別：基本聲學(xué)模型
6.1 聲學(xué)模型的單位 76
6.2 什么是隱馬爾可夫模型 78
6.3 隱馬爾可夫模型的概率計(jì)算 81
6.4 狀態(tài)序列的估計(jì) 83
6.5 參數(shù)訓(xùn)練 85
6.6 總結(jié) 89
第7章 語音識(shí)別：高級聲學(xué)模型
7.1 實(shí)際的聲學(xué)模型 92
7.2 判別訓(xùn)練 94
7.3 深度學(xué)習(xí) 96
7.4 總結(jié) 98
第8章 語音識(shí)別：語言模型
8.1 基于語法規(guī)則的語言模型 100
8.2 統(tǒng)計(jì)語言模型的思路 101
8.3 統(tǒng)計(jì)語言模型的建立方法 103
8.4 總結(jié) 108
第9章 語音識(shí)別：搜索算法
9.1 填補(bǔ)聲學(xué)模型和語言模型之間的空隙 112
9.2 狀態(tài)空間搜索 113
9.3 用樹形字典減少浪費(fèi) 115
9.4 用集束搜索縮小范圍 116
9.5 用多次搜索提高精度 118
9.6 總結(jié) 120
第 10章 語音識(shí)別：WFST運(yùn)算
10.1 WFST的合成運(yùn)算 124
10.2 確定化 129
10.3 權(quán)重移動(dòng) 133
10.4 最小化 134
10.5 總結(jié) 135
第 11章 語音識(shí)別：使用 WFST進(jìn)行語音識(shí)別
11.1 WFST轉(zhuǎn)換 138
11.2 聲學(xué)模型的 WFST轉(zhuǎn)換 139
11.3 發(fā)音字典的 WFST轉(zhuǎn)換 141
11.4 語言模型的 WFST轉(zhuǎn)換 142
11.5 WFST的搜索 144
11.6 總結(jié) 145
第 12章 語義分析
12.1 什么是語義表示 148
12.2 基于規(guī)則的語義分析處理 151
12.3 基于統(tǒng)計(jì)的語義分析處理 153
12.4 智能手機(jī)的語音服務(wù) 156
12.5 總結(jié) 159
第 13章 語音對話系統(tǒng)的實(shí)現(xiàn)
13.1 對話系統(tǒng)的開發(fā)方法 162
13.2 基于規(guī)則的對話管理 164
13.3 針對對話管理的統(tǒng)計(jì)方法 166
13.4 總結(jié) 170
第 14章 終篇
14.1 語音分析工具 WaveSurfer 174
14.2 HMM構(gòu)建工具 HTK 175
14.3 大詞匯量連續(xù)語音識(shí)別引擎 Julius 177
14.4 虛擬代理對話工具 MMDAgent 179
14.5 深入學(xué)習(xí)之路 180
思考題的解答 182
參考文獻(xiàn) 188
后 記 191
書單推薦
