语音分析技术

语音分析(SpeechAnalytics)技术，是指通过语音识别等核心技术将非结构化的语音信息转换为结构化的索引，实现对海量录音文件、音频文件的的知识挖掘和快速检索。

语音分析(SpeechAnalytics)技术，是指通过语音识别等核心技术将非结构化的语音信息转换为结构化的索引，实现对海量录音文件、音频文件的的知识挖掘和快速检索。呼叫中心保存着大量的客服录音数据，这些语音中包含着客户需求、投诉、满意度、建议、竞争性情报等大量的有价值的信息，但是由于数量巨大，检索不便，目前普遍只能用于质检。科大讯飞VoiceInsight语音分析系统，通过领先的语音分析核心技术，针对客服中心的实际业务需要，可有效的对录音数据进行自动分析，提取出有效的信息，让用户驾驭海量客服录音数据，辅助客服质检，进而针对性的改善客服质量，提高客户满意度;同时也可以通过系统挖掘到用户行为数据，进而及时进行准确的市场决策。语音分析常用的特有参数有：共振峰幅度与频率，它是语音短时功率谱中能量集中的几个区域，区域中心频率称为共振峰频率，一般语音有三至五个共振峰。这些共振峰频率成分的幅度称为共振峰幅度。有时把共振峰幅度从中心到下降3dB处的带宽称为共振峰带宽。共振峰的参数完全确定了发音中元音的属性。

用时域方法，采用线性预测计算方法获得的语音参数，称为线性预测参数。线性预测参数是语音的时域分析参数，它能准确地获得声道的传输特性，由时域与频域参数之间的确定关系，由线性预测参数可转换求得共振峰参数。利用线性预测参数可以求得另一组参数称为反射系数，反射系数比线性预测参数具有更好的数值稳定性。由线性预测参数还可以求得另外一套系数，称为线谱对参数，它们既保留时域计算的特点，又具有反映共振峰频率特性的内涵。利用同态信号分析方法，对语音信号进行分析可以得到一组倒谱参数。倒谱参数被认为是更适用于语音识别的一组参数。语音分析技术常被用于语音编码压缩，形成各种中速、低速编码的新方案。例如子带编码、交换编码、自适应预测编码、多脉冲激励线性预测编码、码激励线性预测编码等。语音识别也是基于语音分析的结果，进行参数的分类与识别，运用不同的参数，可以导致不同的识别结果。利用语音分析技术还可以设计制造用于发音的各种矫正仪器，可供发音器官疾病的治疗或聋哑人发音训练等使用。语音分析的常用仪器有语图仪，用于语音动态频谱的分析及记录。实时数字语图仪是一种新的语图仪。语音分析更常用的方法是利用通用微机加入语音处理设置，通过专用软件计算获得。

语音理解(speech understanding) 利用知识表达和组织等人工智能技术进行语句自动识别和语意理解。同语音识别的主要不同点是对语法和语义知识的充分利用程度。语音理解起源于美国，1971年，美国远景研究计划局(ARPA)资助了一个庞大的研究项目，该项目要达到的目标叫做语音理解系统。由于人对语音有广泛的知识，可以对要说的话有一定的预见性，所以人对语音具有感知和分析能力。依靠人对语言和谈论的内容所具有的广泛知识，利用知识提高计算机理解语言的能力，就是语音理解研究的核心。利用理解能力，可以使系统提高性能：①能排除噪声和嘈杂声;②能理解上下文的意思并能用它来纠正错误，澄清不确定的语义;③能够处理不合语法或不完整的语句。因此，研究语音理解的目的，可以说是与其研究系统仔细地去识别每一个单词，倒不如去研究系统能抓住说话的要旨更为有效。一个语音理解系统除了包括原语音识别所要求的 部分之外，还须添入知识处理部分。知识处理包括知识的自动收集、知识库的形成，知识的推理与检验等。当然还希望能有自动地作知识修正的能力。因此语音理解可以认为是信号处理与知识处理结合的产物。语音知识包括音位知识、音变知识、韵律知识、词法知识、句法知识，语义知识以及语用知识。这些知识涉及实验语音学、汉语语法、自然语言理解、以及知识搜索等许多交叉学科。初步研制成功的语音理解系统称为HEARSAY系统。它是利用一种公用“黑板"作为知识库，环绕此黑板的是一系列专家系统，分别提取及搜索有关音位、音变……等各种知识。以后能进一步达到预计目标的系统是HARPY系统，该系统用语言的有限状态模型，通过唯一的一个统一的网络把彼此分离的各种知识源集中起来，这个统一的网络，称为知识编译器。不同理解系统在利用知识的策略或组织方面各有不同的特点。完善的语音理解系统是人们梦寐以求的研究理想，但这并非短期内能够完全解决的研究课题。然而面向确定任务的语音理解系统，例如只涉及有限的词汇量，有一般比较通用的说话句型的语音理解系统，以及可供一定范围的工作人员使用的语音理解系统，是可以实现的。因此，它对某些自动化应用领域已有实用价值，例如飞机票预售系统、银行业务、旅馆业务的登记及询问系统等。