使用HMM的自动语音识别系统使用HMM的自动语音识别系统使用HMM的自动语音识别系统

说出文件名字，即可自动查找出文件； 基于语音识别技术或者已有的语音云实现； 实现精确/模糊匹配； 本系统设计核心分为实时 录音、语音识别、文件名数据库、文件检索、用户接口五个模块。使用 Python 调用操作系统（win10）接口，调用硬件设备麦克风进行录音同时设计事件响应机制，满足随时开始录音，随时停止录音，同时保证录音的质 量不受影响。将录音的结果存到磁盘中的指定位置。 两种语音识别模块，一是基于 GMM-HMM 的语音识别模型的训练与使用， 二是使用百度语音识别 API。识别结果传递到文件

最近，深度神经网络（DNN）在自动语音识别（ASR）系统中的声学建模中变得越来越流行。 由于它们产生的瓶颈特征具有固有的区别性，并且包含影响表面声学实现的丰富隐藏因素，因此标准方法是在串联框架中通过瓶颈特征来增强常规声学特征。 在本文中，研究了结合瓶颈特征的替代方法。 使用广义可变参数HMM（GVP-HMM）对声学特征与DNN瓶颈特征之间的复杂关系进行建模。 自动学习最佳的GVP-HMM结构配置和模型参数。 与Aurora 2上的基线多样式HMM和串联HMM系统相比，相对错误率分别降低了48％和