關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；語音識別；人機交互系統(tǒng)

中圖分類號：TP273 文獻標識碼：A

0 引言

在互聯(lián)網(wǎng)時代背景下，機器人技術(shù)應(yīng)運而生，并且在人機交互領(lǐng)域中發(fā)揮了重要應(yīng)用優(yōu)勢，使人機交互系統(tǒng)得到廣泛的推廣和普及[1]。但是，市面上的語音識別人機交互系統(tǒng)處理過程復(fù)雜，受到口音、語速、語調(diào)以及背景噪聲等多種因素的影響，增加了語音識別的難度。此外，當前技術(shù)尚未完全成熟，無法完全準確地捕捉和解讀所有語音信息 ，為解決以上問題，保證語音識別人機交互系統(tǒng)交互能力，本文應(yīng)用基于改進一維向量卷積神經(jīng)網(wǎng)絡(luò)（1-dimensional convolution neural network，1DCNN）的英語語音識別技術(shù)，對新型英語語音識別人機交互系統(tǒng)進行設(shè)計，有效提高了英語語音識別的精確度，滿足了用戶精確識別和處理英語語音的需求。

1 基于改進1DCNN的英語語音識別技術(shù)概述

在信息時代背景下，隨著機器人不斷推廣和普及，市面上出現(xiàn)多種多樣的語音識別人機交互系統(tǒng)。現(xiàn)階段，語音識別人機交互系統(tǒng)主要采用對話交流的方式，為用戶提供人機交流互動服務(wù)，為幫助機器人智能化回復(fù)和應(yīng)答用戶英語語音信息相關(guān)問題，本文應(yīng)用基于改進1DCNN 的英語語音識別技術(shù)，研發(fā)和設(shè)計相應(yīng)的英語語音識別人機交互系統(tǒng)。在圖像處理領(lǐng)域中，卷積神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用廣泛，因此該系統(tǒng)主要運用卷積神經(jīng)網(wǎng)絡(luò)來保證系統(tǒng)語音識別功能的實現(xiàn)效果。在提取英語語音信號時，技術(shù)人員需借助本文系統(tǒng)提取的圖像參數(shù)，但這種操作容易增大最終提取結(jié)果的誤差。為避免這些問題的出現(xiàn)，技術(shù)人員在保留一維語音信號特征的基礎(chǔ)上，提出一種基于改進1DCNN 的英語語音識別技術(shù)。該語音識別技術(shù)應(yīng)用流程如下：首先，技術(shù)人員借助話筒等語音采集設(shè)備，對所需要的英語語音信號進行采集和轉(zhuǎn)換，使其轉(zhuǎn)換為相應(yīng)的電信號，并將該電信號直接發(fā)送和存儲至特定的識別系統(tǒng)中，由該識別系統(tǒng)運用前端處理技術(shù)對所接收的電信號進行統(tǒng)一化處理。其次，在前端處理結(jié)束之后，技術(shù)人員精確化提取所需要的語音信號特征，并且采用測度估計方法，估計和匯總相關(guān)特征參數(shù)，并結(jié)合最終特征參數(shù)結(jié)果來提出一種新模式。利用該新模式和用戶最終主觀估計結(jié)果，完成測度估計。最后，結(jié)合制定的識別方案，針對不同的新模式，計算和獲取最終的識別結(jié)果。基于改進1DCNN 的英語語音識別技術(shù)應(yīng)用流程如圖1 所示。在本文系統(tǒng)對語音信號進行離散變換處理期間，通常會涉及語音信號取樣環(huán)節(jié)，通過執(zhí)行該環(huán)節(jié)，可以為用戶提供完整、真實、可靠的語音信號，從而達到再現(xiàn)和還原真實信號的目的。在語音信號取樣處理結(jié)束后，技術(shù)人員需在降低語言信號幅值的基礎(chǔ)上，對原始信號進行預(yù)處理，使整個音頻具有較高的高頻分量值。

2 基于改進1DCNN的英語語音識別人機交互系統(tǒng)設(shè)計

人機交互系統(tǒng)同時含有人臉、表情、文本、語音等多種模態(tài)信息。為提高人機交互系統(tǒng)的交互能力，本文基于改進1DCNN 的英語語音識別技術(shù)，以英語語音為輸入內(nèi)容，以視頻、音頻為輸出結(jié)果，設(shè)計了一個英語語音識別人機交互系統(tǒng)[2]。系統(tǒng)架構(gòu)設(shè)計圖如圖2 所示。

從圖2 中可以看出，系統(tǒng)主要包含以下模塊：①語音識別模塊。該模塊在具體設(shè)計時，需輸入用戶語音等數(shù)據(jù)，運用卷積神經(jīng)網(wǎng)絡(luò)，對所需要的語音數(shù)據(jù)進行精確化提取、分幀等一系列預(yù)處理操作。②語音對話模塊。該模塊主要用于系統(tǒng)音頻模態(tài)的智能化采集和輸出。該模塊在具體設(shè)計時，主要應(yīng)用語音合成技術(shù)對所需要的文本數(shù)據(jù)進行采集，并結(jié)合最終采集數(shù)據(jù)結(jié)果，生成相應(yīng)的音頻。③視頻展示模塊。該模塊主要用于系統(tǒng)視頻模態(tài)的智能化輸出[3]。該模塊在具體設(shè)計時，需采用人臉表情動畫技術(shù)，精確化采集和輸出相關(guān)視頻信息，同時，從所生成的視頻信息中采集和整理人臉表情參數(shù)，完成對3D人臉網(wǎng)絡(luò)體系的構(gòu)建[4]。④語音處理模塊。該模塊負責(zé)接收用戶的英語語音輸入，并對其進行預(yù)處理和特征提取，通過基于改進的1DCNN 模型進行語音識別，最終將識別結(jié)果轉(zhuǎn)換為文本輸出。

系統(tǒng)具體實現(xiàn)流程如下：首先，技術(shù)人員應(yīng)用基于改進1DCNN 的英語語音識別技術(shù)，對特定用戶的關(guān)鍵語音信息進行智能化采集和獲取，并結(jié)合最終采集數(shù)據(jù)結(jié)果，強化對語音信息中聲學(xué)特征信息的提取。其次，為提高系統(tǒng)的運行性能，技術(shù)人員對所需要的音頻數(shù)據(jù)進行合成處理。最后，應(yīng)用3D 動畫技術(shù)，結(jié)合所采集的語音情緒信息，有針對性地設(shè)計不同人臉表情，從而完成對人臉3D 模型的構(gòu)建。借助人臉3D 模型，為用戶提供良好的視頻交互、音頻交互體驗。在設(shè)計系統(tǒng)時，環(huán)境變化會對語音數(shù)據(jù)最終采集結(jié)果產(chǎn)生直接影響，為保證語音數(shù)據(jù)采集的全面性和完整性，技術(shù)人員需結(jié)合用戶個性化使用需求，有針對性地設(shè)計一種功能強大的語音處理模塊，從而避免因環(huán)境引發(fā)的信號噪聲污染現(xiàn)象[5]。同時，技術(shù)人員運用小波變換方法，對語音信息進行采集、歸類和降噪處理，以保證語音效果。

3 基于改進1DCNN的英語語音識別人機交互系統(tǒng)測試

為研究和測試本文系統(tǒng)語音識別性能，并且驗證其有效性和可行性，技術(shù)人員重點分析和評價了系統(tǒng)的語音數(shù)據(jù)處理效果。系統(tǒng)語音數(shù)據(jù)處理效果圖如圖3 所示。從圖3a 中可以看出，在本次測試研究中，所選擇的原始信號呈現(xiàn)出明顯的變化狀態(tài)。同時，整個信號曲線中出現(xiàn)大量的毛刺信號，這說明原始信號存在嚴重的噪聲污染現(xiàn)象。圖3b中的波形圖存在少量的毛刺信號，曲線較為光滑，能夠為用戶呈現(xiàn)出清晰、全面的語音信息。這說明本文系統(tǒng)在精確識別語音信息的基礎(chǔ)上，可以保證降噪處理的質(zhì)量和效率。

此外，運用混合語音法對本文系統(tǒng)的識別能力進行測試。系統(tǒng)語音識別能力測試結(jié)果如圖4所示。從圖4a 中可以看出，本文系統(tǒng)可以精確判斷和識別用戶語音中的喜、怒、哀、樂等多種情緒。圖4b中的1、0 分別代表識別成功、識別失敗，結(jié)合最終混合語音識別結(jié)果，可以發(fā)現(xiàn)，在30次系統(tǒng)測試中，當混合語音數(shù)量為1 時，本文系統(tǒng)識別成功率高達100%；當混合語音數(shù)量為2～4時，本文系統(tǒng)識別成功率達到93.33%；當混合語音數(shù)量為5時，本文系統(tǒng)識別成功率達到90.00%。由此可知，本文系統(tǒng)在識別用戶語音情緒方面具有較高的識別成功率，識別成功率高達90.00% 以上，滿足用戶精確識別和判斷多種語音信息的需求，有效提高了用戶的人機交互體驗。

4 結(jié)語

在人工智能背景下，英語語音識別人機交互系統(tǒng)的研發(fā)和應(yīng)用雖然給人們的日常生活和工作提供了便利，但部分人機交互系統(tǒng)存在語音識別成功率低等問題。因此，本文研發(fā)和設(shè)計了一種基于改進1DCNN 的英語語音識別人機交互系統(tǒng)，并對該系統(tǒng)的性能進行測試。結(jié)果表明，該系統(tǒng)具有語音處理能力強、語音識別成功率高等特點，方便用戶將噪聲信號快速處理和轉(zhuǎn)換為具有高識別度的光滑信號。