資源簡介

(共50張PPT)
第4課
語音識別測試——語音識別的局限
（清華大學版）六年級
上
1
核心素養目標
3
新知講解
5
拓展延伸
7
板書設計
2
新知導入
4
課堂練習
6
課堂總結
課后作業
8
01
核心素養目標
信息意識
計算思維
數字化學習與創新
信息社會責任
理解并尊重同學的隱私，學會安全地收集和處理敏感數據（如個人身份信息），避免不當分享。
利用語音識別技術再思考，了解語音識別技術受到的局限性，了解語音識別技術對社會的發展具有重要的推動作用。
學習語音識別功能能識別世界上不同人群的不同語種，其能在生活中多種場景為人們提供便利。
通過語音識別，機器能夠進行普通話識別測試和不同語種識別測試，機器能快速學習并掌握其中的發音特征，識別語音信息。
02
新知導入
機器能聽懂人類的語言表達，且能在生活中多種場景為人們提供便利，確實是一件激動人心的事。那么語音識別功能是否能識別世界上不同人群的不同語種呢 不妨結合前面所學的知識一起來探究一下。
02
新知導入
02
新知導入
思考
同學們，你們發出的每段語音都能被正確識別嗎 如果不能識別，思考一下，會是什么原因呢
02
新知導入
同學們，語音識別的準確性受到多種因素的影響。以下是一些可能導致識別不準確的原因：
1. 發音不清晰：如果說話者的發音不夠清晰，可能會導致識別系統無法正確理解。
2. 背景噪音：在嘈雜的環境中，背景噪音可能干擾語音信號，影響識別效果。
02
新知導入
3. 口音和方言：不同的口音和方言可能會讓語音識別系統難以理解，尤其是如果系統沒有針對特定口音進行訓練。
4. 語速過快或過慢：說話的速度如果過快，可能會導致識別系統無法跟上；而過慢則可能影響流暢性。
02
新知導入
5. 詞匯和語法：如果使用了系統未能識別的專業術語或俚語，可能會導致識別錯誤。
6. 技術限制：語音識別技術本身也有局限性，可能無法處理某些復雜的語音輸入。
思考這些因素，可以幫助我們在使用語音識別時提高準確性。
02
新知導入
03
新知講解
一、識別測試
人在識別語音的時候，是在一套統一的語言基礎上，分辨出對方所講的語音信息，普通話便是我們日常使用的語言規則，如圖3.4.1所示。
普通話識別測試
圖3.4.1 普通話表達具有一定標準
03
新知講解
一、識別測試
人們在使用普通話進行表達時，并不是所有人都能標準表達，而人們在生活中基本能分辨出大部分人所講的普通話，是因為我們日常所接觸的普通話語音輸入信息非常豐富，同時也能根據具體的場景分辨出對方想要表達的內容如圖 3.4.2 所示。
普通話識別測試
圖 3.4.2 人能分辨不標準的普通話語音
03
新知講解
一、識別測試
機器雖然也有大量的普通話語音數據輸入，但識別時仍受各種因素的影響較大，如語音數據量不如人類接觸的多，硬件設備算力不夠強等。
普通話識別測試
03
新知講解
課堂活動
1.請同學們對機器識別普通話語音的效果進行測試調研，讓不同的人說同樣的文字信息，觀察語音識別的結果，記錄識別錯誤的地方，嘗試分析原因。將相關內容填寫在表3.4.1中。
需識別的文字內容 參與測試人員數量 識別錯誤的文字 原因分析
表 3.4.1 機器識別普通話語音測試記錄表
03
課堂練習
需識別的文字內容 參與測試人員數量 識別錯誤的文字 原因分析
你好，歡迎來到語音識別測試。 10 “好”識別為“號”； “迎”識別為“影” 發音不清晰；
背景噪音干擾
今天天氣真不錯。 8 1. “今”識別為“金” 語速過快；
發音相似
我們一起去看電影吧。 15 1. “一”識別為“衣” 語調變化大；
語音信號處理不佳
機器識別普通話語音測試記錄表：
03
新知講解
課堂活動
2.根據以上測試的結果，請同學們思考與討論，機器能否識別不同的地方方言呢 為什么 與其他同學分享討論結果。
03
課堂練習
機器能否識別不同的地方方言是一個復雜的問題，主要取決于幾個因素：
1. 數據量和多樣性：機器學習模型的訓練需要大量的語音數據。如果某種方言的數據量不足，模型可能無法有效學習其特征，從而影響識別準確性。
2. 方言的差異性：不同地方的方言在發音、詞匯和語法上可能有很大差異。這些差異可能導致機器在識別時出現困難，尤其是當方言與標準語的差異較大時。
03
課堂練習
3. 模型的復雜性：一些先進的語音識別模型（如深度學習模型）能夠處理復雜的語言特征，但仍然需要針對特定方言進行優化和調整。
4. 上下文理解：方言中常常包含地方文化和習俗的元素，機器在理解這些上下文時可能會遇到困難。
5. 技術進步：隨著自然語言處理和機器學習技術的不斷進步，機器識別方言的能力也在逐步提高。許多公司和研究機構正在致力于開發能夠識別多種方言的系統。
03
課堂練習
總的來說，機器識別不同地方方言的能力在不斷提升，但仍然面臨許多挑戰。通過增加數據量、改進模型和算法，未來有望實現更高的識別準確率。與同學們分享討論時，可以結合具體的方言案例，探討其在識別中的表現和遇到的困難。
03
新知講解
不同語種識別測試
根據聯合國教科文組織最新發布的《世界瀕危語言圖譜》(2009年版)記載，全世界目前共有6000多種語言，每種語言還存在不同特征的方言和次方言。人類已掌握的語種數量的記錄與現如今機器已掌握的語種數量相差并不大，由此可見，機器學習語言的速度遠遠超過人類。
03
新知講解
不同語種識別測試
根據機器識別語音的原理可知，只要給予機器某種語言的豐富的語音資料，它便能快速學習并掌握其中的發音特征，識別語音信息，如圖 3.4.3 所示。
圖3.4.3 給予機器語音資料供它學習
03
新知講解
實驗活動
在某智能云平臺中，除了提供了普通話的語音庫，還提供了其他語種的語音庫和 API接口供人們體驗，如圖3.4.4所示。
圖3.4.4 某智能云平臺語音識別技術
03
新知講解
實驗活動
請同學們打開編程軟件，導入前面所寫程序，或是重新編寫程序接入不同語種的 API庫，測試語音識別的準確率。
(1)打開編程軟件，編寫語音識別轉為文字的程序。
(2)分別導入某智能云平臺語音識別不同語種的 API 密鑰并保存程序。
(3)測試識別不同語種語音的效果，將結果記錄在表3.4.2中。
(4)分析識別結果，與同學交流。
03
新知講解
實驗活動
表 3.4.2 機器識別不同語種語音測試記錄表
測 試 內 容 準確率 識別錯誤的文字 原因分析
這是什么
It's yellow and white.
你看阿個黑丘丘的東西是什么
03
課堂練習
（1）打開編程軟件，編寫語音識別轉為文字的程序。
首先，確保你已經安裝了 `speech_recognition` 庫。如果沒有安裝，可以使用以下命令進行安裝： ``` bash
pip install SpeechRecognition
然后，你可以使用以下代碼來編寫一個簡單的語音識別程序：
```python
import speech_recognition as sr
def recognize_speech(language='en-US'):
03
課堂練習
# 創建識別器
recognizer = sr.Recognizer()
# 使用麥克風錄制音頻
with sr.Microphone() as source:
print("請說話...")
audio = recognizer.listen(source)
03
課堂練習
# 識別語音 try:
print("正在識別...")
text = recognizer.recognize_google(audio, language=language)
print(f"識別結果: {text}")
except sr.UnknownValueError:
print("無法理解音頻")
except sr.RequestError as e:
print(f"無法請求結果; {e}")
03
課堂練習
if __name__ == "__main__":
# 選擇語言
language = input("請輸入語言代碼 (例如: en-US, zh-CN, es-ES): ")
recognize_speech(language)
03
課堂練習
(2)分別導入某智能云平臺語音識別不同語種的 API 密鑰并保存程序。
如果你使用的是某個智能云平臺的語音識別 API（例如 Google Cloud Speech-to-Text、Microsoft Azure Speech Service 等），你需要根據平臺的文檔獲取 API 密鑰，并在代碼中進行相應的修改。
例如，如果使用 Google Cloud Speech-to-Text，你需要安裝 `google-cloud-speech` 庫，并在代碼中使用 API 密鑰進行身份驗證。
03
課堂練習
```bash
pip install google-cloud-speech
然后在代碼中添加 API 密鑰的配置：
```python
from google.cloud import speech
def recognize_speech_with_google(language='en-US'):
client = speech.SpeechClient()
# 錄音和識別的代碼...
03
課堂練習
(3)測試識別不同語種語音的效果，將結果記錄在表3.4.2中。
測 試 內 容 準確率 識別錯誤的文字 原因分析
這是什么 100% 無 無錯誤
It's yellow and white. 100% 無 無錯誤
你看阿個黑丘丘的東西是什么 80% “阿個” ——“那個 ” 口音影響，語速較快，可能導致誤識別
03
課堂練習
(4)分析識別結果，與同學交流。
在測試完成后，分析不同語種的識別效果，討論可能的原因，例如：語音清晰度、口音影響、背景噪音、語音識別模型的適應性可以通過小組討論的方式，分享各自的測試結果和經驗，尋找改進的方法。
03
新知講解
二、語音識別技術再思考
與人相比，機器最大的優勢是能夠快速地記住多門語言，只要機器不斷地接收新的語音數據，不斷地學習，便能提高語音識別的準確率，這也是人們廣泛應用語音識別的原因。但機器也有不足之處，它不能像人一樣能在不同場景中迅速分辨出對方的語言表達信息，這也是語音識別技術受到一定局限性的重要原因。
03
新知講解
二、語音識別技術再思考
相信在將來，語音識別技術會不斷被優化，發揮其更大的價值，如記錄瀕臨消失的語種，保存該語種的文化等。在對新技術發展的期待中，人們應正確看待其發展軌跡，同時自己也應主動接受語言知識，不過度依賴機器，攜手共進。
04
課堂練習
語音識別技術對社會的發展具有重要的推動作用。請同學們搜集語音識別發展的優勢，結合前面的語音識別測試結果的分析，整理成一份簡單的測試報告，方便對整個項目的查閱，報告內容可參考表3.4.3。
實踐
表 3.4.3 測試報告主要內容參考表格
測試報告
主題 測試時長
測試項目一 測試形式
結果分析
測試項目二 測試形式
結果分析
總結
03
課堂練習
測試報告主要內容參考表格：
測試報告
主題 語音識別技術的發展及其優勢分析 測試時長 2023年10月1日至2023年10月15日
測試項目一 語音識別準確率測試 測試形式 1. 選擇多種語音識別軟件（如度語音等）進行對比測試。
2. 采用標準化的語音輸入。
3. 測試樣本共計100句，涵蓋日常對話、專業術語及復雜句式。
結果分析 1.準確率：不同軟件的準確率在85%-95%之間，整體表現良好。 2.口音適應性：部分軟件對地方口音的識別準確率較低，尤其是方言。 3.背景噪音影響：在嘈雜環境下，識別準確率普遍下降，尤其是低于80%。 4.實時反饋：大部分軟件能夠提供實時反饋，提升用戶體驗。
03
課堂練習
測試報告主要內容參考表格：
測試報告
主題 語音識別技術的發展及其優勢分析 測試時長 2023年10月1日至2023年10月15日
測試項目二 語音識別響應時間測試 測試形式 1. 測試不同語音識別軟件的響應時間，記錄從語音輸入到文本輸出的時間。
2. 采用相同的語音樣本，確保測試的一致性。
3. 測試環境保持一致，避免外部因素干擾。
結果分析 1.響應時間：大多數軟件的響應時間在1-3秒之間，表現出色。 2.穩定性：在高負載情況下，部分軟件的響應時間有所延長，需進一步優化。 3.用戶體驗：快速的響應時間顯著提升了用戶的使用體驗。
05
拓展延伸
機器能學會所有語言嗎
機器學習能力這么強，短時間內就能學會幾十種語言，那么機器豈不是很快就能學會人類所有的語言!
機器學習語言的能力雖然強，但機器最大的問題在于所有的學習資料來自于人類也就是說學習的速度仍受制于人類，人類雖有 6000 多種語言，但很多語種已瀕臨消失，或是可供學習的資料不足以讓機器學會這門語言。
05
拓展延伸
機器能學會所有語言嗎
有道理。我查了一下，世界上有將近一半的語種正處于瀕臨消亡的危險境地。
是的，像科伊桑語、尤奇語、庫孫達語等語種，全球只有不超過十個人在使用這種語言，若以后語音識別發展得更好，也許就能完整保存這種語言及它們背后蘊藏的文化。
05
拓展延伸
語音識別的局限性主要包括以下幾個方面 ：
1.環境干擾 ：語音識別技術對環境噪聲非常敏感。背景噪音、音樂聲、行人喧嘩等都會影響語音信號的清晰度和準確性，從而導致語音識別的準確率下降。在嘈雜的環境中，語音識別系統可能會出現錯誤 。
2.口音和方言差異 ：由于國內各地方言和口音的差異，語音識別系統的識別率會受到影響。例如，一個講普通話的人在北京說話和在上海說話時，語音識別系統的識別率會存在很大差異 。

05
拓展延伸
3.技術精度問題 ：盡管語音識別技術的準確率已經有了很大的提升，但在一些高精度要求的領域，如醫療、金融等，語音識別的錯誤率仍然較高。這些領域的特殊需求使得語音識別技術需要不斷改進以提高精度 。
4.多語種處理 ：隨著國際化程度的提高，多語種語音識別逐漸成為重要需求。但由于不同語言之間的差異，語音識別技術在多語種處理方面存在挑戰 。
05
拓展延伸
5.數據隱私和安全 ：語音識別技術的應用場景越來越廣泛，但這也帶來了數據隱私和安全方面的問題。語音助手在進行語音識別時，需要訪問用戶的麥克風和個人信息，如果這些信息被非法獲取或濫用，將會給用戶帶來很大的損失 。
6.語義解析誤判 ：由于人類語言存在多義性，語音識別系統有時候可能會對使用者的真實需求產生誤解，從而導致對相關信息的誤讀和不良處理。這可能會使用戶的私人信息被意外透露給第三方，從而引發隱私泄漏的風險 。
05
拓展延伸
7.法律和道德問題 ：在有些地方，未取得用戶明確同意而收集與使用語音數據有被視為違法的風險。此外，在云端保存用戶語音數據也可能產生數據主權的爭論 。
語音識別技術的原理 ：語音識別技術基于深度學習和自然語言處理（NLP）算法發展而來。它通過對大量語音數據的訓練和學習，使計算機能夠準確地理解和轉換人類語音輸入。具體過程包括語音信號處理、特征提取、模式匹配等步驟 。
06
單元總結
活動日志 班級：XX 姓名：XX
任務名稱 語音識別測試——語音識別的局限
任務環節 1口 2口 3口 4口（在對應環節畫V）
任務完成內容 實現語音識別測試
任務完成度 口口口口口口口口口(100%)
任務小結 問題與反思：項目做得不完善
改進的方法：多練習或者詢問老師和同學訣竅
07
課堂總結
1
引入新知內容
語音識別測試——語音識別的局限
2
學習識別測試
3
學會語音識別技術再思考
4
完成課題練習
5
進行相關知識拓展
1
2
3
4
5
08
板書設計
語音識別測試——語音識別的局限
1.進行新知引入
2.學習識別測試
3.學會語音識別技術再思考
4.完成課堂練習
5.進行知識拓展
09
課后作業
01
在本節課完成后，想一想， 不同地區的口音和方言會對識別結果產生怎樣的影響？
09
課后作業
02
請同學們在小組內討論一下，當多個說話者同時說話時，語音識別系統的準確性如何？
https://www.21cnjy.com/recruitment/home/fine

展開更多......

收起↑