Кто что может сказать по этой теме

а точнее вопрос

Ну вы поняли что надо например я говорю слово ПРИВЕТ а комп мне в Worde печатает привет. С чего начинать, какие способами возможно это реализовать, где можно про это почитать (так чтоб доступно и понятно)?

Начинать в таком случае надо с начала.

Rabiner. Fundamentals of Speech Recognition.

Это сейчас мне и надо Огромрое спасибо
Добавлено @ 12:57
А можно ещё конкретную ссылку на неё, я в гугле набрал а там всё купить предлагают

Напиши адрес, я тебе пришлю, - пошли .... эти продавцы.

Пришли на адрес [email protected]

Огромное спасибо!!!

Reptor,

распознавание - так привильно пишется, на всякий случай.

Reptor, decan, не будте бяками- выложите ссылку или саму книжку.

Да я вот жду пока мне decan, вышлет

Или я ошибся , тогда извините, или это "Рабинер и Голд.Теория и применение цифровой обработки сигналов", но она у меня 65 мБ, как её прислать?

Вспомнил где лежит:
http://dsp-book.narod.ru/R_Sh/R_Sh.htm
http://dsp-book.narod.ru/RG.html
обе хорошие книжки

А кто то знает где можно взять

А такое не пойдет ?
http://dsp-book.narod.ru/furui-asr2-2.pdf
Добавлено @ 16:02
http://dsp-book.narod.ru/Speech-Recognition-HOWTO.pdf
http://dsp-book.narod.ru/rec-notes.pdf
http://dsp-book.narod.ru/2100Chapter_6.pdf
http://dsp-book.narod.ru/absrec.chm
http://dsp-book.narod.ru/FASIVR.djvu
http://dsp-book.narod.ru/Furui_DSPSR.djvu
Да и вообще полазь здеся http://dsp-book.narod.ru/books.html

Вау огромное спасибо за много ссылок

Reptor, незачто

Товарищ Romikqy!


А что вы думаете-знаете о объективных различительных признаках фонем русского языка?

Это сообщение отредактировал(а) decan - 5.4.2006, 14:24

В общем как возможно зделать хорошое распознавание речи? Может кто то из вас уже занимался этим и сможет мне помогать так как сейчас кажется всё таким тяжелым. Я в данный момент даже представления не имею как это всё должно происходить как говорить в микрофон и что б ети слова анализировались.....

сейчас ... ничего, т.к. никогда не занимался этим .

а ты начни а помогать по мере сил , попробую я, мож еще кто на форуме возмется

Читай книги по этому, ссылок я накидал уйму, и наших и буржуйских
а анализировать звук для распознавания, я бы взял что то простое, допустим линейное предсказание, и вывел бы для большенства словосочетаний/фонем эквивалент LPC коэффициентов , что т типа такого, а далее протестил подошло , хорошо , не подошло другой алгоритм, и так до победного конца

Romikgy, огромное спасибо за поддержку, буду начинать, только вот подскажи ещё с чего начать с какой именно литературы?

decan,
http://ru.wikipedia.org/wiki/Фонема
http://www.tula.net/tgpu/resources/yazykozn/jaz_zn_7.htm
http://www.2devochki.ru/62/13510/1.html
Добавлено @ 16:46
Reptor, скажи конкретно , что в конце хочешь получить?

Romikgy, вот что я хочу получить: говорю к примеру слово Microsoft Word или там Notepad или Explorer ну и запускаеться соответствующие приложение. Потом после того как Microsoft Word запущен я диктую в микрофон слова а он печатает вот примерно что то такого.

Romikgy,
Спасибо, ссылки интересные.
А надо это для постановки задачи распознавания речи, а то я смотрю многие пытаются найти , только не очень знают что, и даже применяют всякие пограничные технологии. (как мне на другом форуме написали про нейронные сети (".. ищут по неизвестным признакам неизвестно что.."???))

decan, пжалуста
по надобности можно и

под эту задачу заточить

Так смысл то в том что если у тебя есть набор идентифицирующих признаков и ты знаешь что с определёнными весами они означают то-то, то накой ляд тебе какие-то сети нужны ты по определению знаешь , что означают эти признаки.
А если у тебя их нет то никто за тебя не решит что они значат и они ли это.
Добавлено @ 10:57
А во по существу вопрос следующий:

Считываю файл 11025 гц 8 бит
Делаю окно 130 точек , перекрытие 35 точек (специально не кратно)
делаю сглаживание оконной функцией Хамминга
делаю Фурье
получаю спектрограмму т.е. A ( f, t )
Но она, собака, получается не гладкой а как бы с "дребезгом" . вопрос почему?

что сие означает?

Отслеживаешь движение одного максимума во времени, так он каждый следующий срез сонограммы, и по частоте прыгает в обе стороны и по амплитуде тоже в обе.

я бы посоветовал проверить, не случается ли где-нибудь переполнения
P.S.
но вообще лучше на новые вопросы создавать новые темы...

может быть частота сигнала как раз между двумя значениями , частотной решетки БПФ

Спасибо, посмотрю.

Romikgy, скажи а на каком языке программирования это всё осуществлять?

На любом. Си, Дельфи, Глагол, Java.

угу , на том , что лучше знаешь
Reptor

А не подскажет ли кто - по какой логике делать огибающую , полученного после Фурье, спектра?

Т.е. в зависимости от "степени сглаживания" можно получать разное кол-во экстремумом.

Ну в принципе с фонемами я немного разобрался (но только поверхностно, так как так сразу тяжело запомнить все эти термины которые там используються) и понял что мне предстоит.
Romikgy, на что дальше следует обратить внимание?

Reptor,
Похоже, решил взяться серьезно

Тогда налегай на такой материал:

Hidden Markov Models
Speech Decoding (или еще встречается Viterbi Speech Decoding)
Gaussian Mixture Model (GMM)

Это то, что называют state-of-the-art!


Обязательно сходи сюда: http://htk.eng.cam.ac.uk/ - твой хлеб на ближайшие 10 лет.

Здесь - http://www.torch.ch - можно найти кое-какие элементы, подобные HTK, но сделанные проще. Посмотри, как это всё реализуется.

Но без теории в реализацию не лезь, бесполезно.

Это сообщение отредактировал(а) podval - 7.4.2006, 13:31

Да это очень точно замечено



Можно подробнее про хлеб. И почему так долго
Добавлено @ 13:39
Да а на русском нечего нет?

Туда где "...на 10 лет...." не ходи , ибо сказано "идя сзади никогда не будешь впереди..."

decan,

Где же спереди ходють?



То, что касается современного состояния, на русском вообще очень-очень мало. Кое-что можно нашкрябать в переводном ТИИЭР.

Это сообщение отредактировал(а) podval - 7.4.2006, 16:39