1) speech affective computing
语音情感计算
2) emotion speech
情感语音
1.
Furthermore,compared with the traditional ASR system,it enhances the system performance under emotion speech by 4.
提出了一种基于情感语音的差异检测与剔除的说话人识别方法,克服了前人的方法中需要在训练时提供测试说话人的情感语音或者需要在测试时提供测试语音的情感状态信息给系统的使用带来的不便性,并在识别性能上比传统的ASR系统提高4。
3) emotional speech
情感语音
1.
Natural voice not only includes the basic linguistics, but also carries the emotion in human life and study, so the study of information has the great significance in emotional speech theoretical and practical.
研究情感语音有助于进一步加深对大脑中情感概念的解析和理解,将情感的认识从感性认知上升为可计算模型。
2.
Analysis of Emotional Speech and the Recognition of Affectively Stressed Speakers;
在详细分析情感语音特性和情感语音研究方面的最新进展,特别是如何提高情感影响时说话人识别性能研究现状的基础上,本文针对如何更好的处理含有情感因素的说话人语音上进行了大量的尝试,提出了相关的模型和算法。
4) speech emotion
语音情感
1.
The paper has conducted the research focusing on speech emotion recognition based on BP neural network.
论文重点研究了基于BP神经网络的语音情感识别。
5) affective computing
情感计算
1.
The distance education system based on affective computing;
基于情感计算的远程教育系统
2.
Affective Computing Based on Computer Vision;
基于计算机视觉的情感计算
3.
The Design of Adaptive E-learning System Model Based on Affective Computing;
基于情感计算的适应性网络学习系统模型设计
6) Chinese emotional speech database
情感语音库
1.
First, a Chinese emotional speech database has been constructed for experiments.
本文首先为实验录制了汉语情感语音库。
补充资料：计算机语音处理
计算机语音处理
computer speech processing
使识别率下降，影响了识别系统的使用效果。语音增强技术的目标，在于改进语音质量，消除背景噪声，提高系统识别率。②语音合成是人机交互的另一重要环节，即让计算机“说话”。让机器将文本语言转换成具有人类语音特点，且抑扬顿挫、自然流利的口头语言决非易事，要真正赋予机器语言功能，必须彻底了解语言是如何产生和感知，以及人类的语言交流是如何进行的。该项技术包括波形编码合成、参数分析合成、规则合成和文一语转换等。③语音编码的作用是实现语音数字化。数字化语音的传输和存储，在可靠性、抗干扰、快速交换、安全和廉价等方面都胜于模拟语音，在未来的综合业务数字网(IsDN)、卫星通信、移动通信、微波接力通信和信息高速公路等系统中，将无一例外地采用数字化语音传输和存储。速率为2．4Kb／s左右的语音编码器，将征性能和实用化方面，接近于64Kb／S的标准PCM编码器。 计算机语音处理的历史，可以追溯到20世纪50年代，其发展过程大体可分为3个阶段：早期的研究主要是基于模板匹配原理；中期的研究是在模板匹配基础上进行扩展，发展线性预测技术、动态规划技术、矢量量化技术等；近期的计算机语音处理，主要是基于隐马尔可夫模型(HMM)的研究及其与人工神经网络的结合。语音信号处理的基础理论和算法研究是紧密结合的两个方面：一方面研究语音的产q三和语音感知的理论，另一方面将语音作为信号来进行处理。60年代，瑞典学者c．范特(c．Fant)提出语音产生的滤波器模型，奠定了现代语音信号处理的理论基础。之后，线性预测技术和同步信号处理算法很快引入语音信号处理，成为语音信号分析、合成的有力工具。70年代初，采用动态时间规正匹配算法，较好地解决r语音特征时域上非线性变化问题。以后，出现了一系列重要算法，其中有语音编码中常用的分析合成方法(简称ABs)，以及各种自适应方法和变换方法；在语音识别方面最重要的有与隐马尔可夫模型有关的一系列算法，以及语言的概率模型；在编码和识别方面很重要的有与矢量量化(VQ)有关的各种算法。人_[神经网络的自适应和自学习能力，对语音识别系统的陡壮性和可靠性起了较大作用。其他一些新理论，如模糊理论、混沌理论和小波信号处理等，在语音信号处理研究中也已得到应用。 计算机语音处理技术在工业、科技、军事等领域已有广泛的应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条