学径 LearnPath

CAICP-E · 人工智能基础

它怎么听见

声音要走几步,才会变成字。

讲解模式

这一节要学会什么

#what

它没有耳朵,声音却能变成字。

你会按顺序说出 语音识别 怎么走。 你会知道:声音先变成一串数,最后才是字。 你还会知道:操场上的风,不是一句指令。

这节课要完成什么? 把步骤排对,再说清楚:风声为什么不该被当成口令。

它长耳朵了吗

#hook

英语课,林晓对着平板说:「book」。 平板停了一下,屏幕跳出:book。

同桌起哄:「它长耳朵了?」 老师笑:「它没有耳朵。」

「那它怎么听懂的?」

老师在黑板上画箭头。 声音先变成一串数,再看高低、长短、快慢,再去对照,最后才变成字。

这节课就沿着箭头走一遍。

声音走进电脑变成字

如果觉得有点难 先想听写:耳朵接到声音,本子记下符号,再对照课文,最后写出汉字。

如果已经会了 给「同学们好」画出箭头。 哪一步最容易错? 嘈杂的操场上,那串数会变乱,对照就容易对错。

先想一次听写

#explore-dictation

人怎么把话写成字?

耳朵先接住声音,手里的本子记下符号,再对照课文,最后写出汉字。

小朋友在听写:耳朵听,本子记符号

电脑没有耳朵。接声音的是麦克风,记下振动的,是一串数。

听写不是一下子变出来的,语音识别也不是。

声音要走这几步

#explore-pipeline

可以想成一列小火车。

第一步:声音来了。 你对着麦克风说「打开灯」,空气振动,麦克风接到。

麦克风正在接住说话的声波

第二步:变成一串数。 电脑不喝空气,它把振动记成一串数。

声波变成一串数字

第三步:看高低、长短、快慢。 先抓住这声音长什么样:高还是低,长还是短,快还是慢。 这些能用来比较的样子,有时叫特征。 电脑不需要先听懂心情,它先抓住能用来比较的样子。

第四步:对照。 它拿你这串样子去对,看更像「book」,还是更像「look」,选一个最像的。

小朋友对着平板说book,屏幕跳出字

第五步:交出文字。 对上了,屏幕就写出字,或者直接执行指令。

整条路记成:

声音 → 一串数 → 高低长短快慢 → 对照 → 文字

操场上的风不是口令

#explore-wind

英语角很安静,它听「book」很稳。 操场上风大,它可能写成别的词。

操场刮风,平板把话听成别的词

风混进来,那串数就不干净,高低、长短、快慢也就歪了。 对照时,它只能选一个最像的,可是最像的,不一定是对的。

风是噪音,不是一句「打开灯」,也不是一句「开始点名」。

所以,说话要清楚,麦克风不要捂住,周围尽量少吵。

还要知道:它听懂字,不等于听懂你。 你说「我有点难受」,它也许能写出这五个字,却不会真的着急。

把步骤排成一列

#explore-order

把五张卡片排好。

  1. 声音来了
  2. 变成一串数
  3. 看高低、长短、快慢
  4. 拿去对照
  5. 交出文字

哪一张都不能跳。 少了「变成一串数」,电脑喝不下空气;少了「对照」,屏幕上不会稳稳出现 book。

所以步骤要按顺序,操场的风也不要排进「口令」那一格。

失败也有顺序。先问:是不是太吵?是不是说得太快?是不是词它没学过?

这节课我学会了

#review

语音识别,不是变魔术。

  1. 声音先被麦克风接住。
  2. 再变成一串数。
  3. 再看高低、长短、快慢。
  4. 再对照。
  5. 最后才变成文字。

试着在心里跑一遍「book」,再想一遍操场上的风。 风会把那串数搅乱,它不是命令。

下一课才问:它看见的,是故事吗? 这节课先把听见的路走完。

试一试

#evaluate

看完就来检查一下。选错了也可以再想。

单选题

下一步是什么

语音识别里,声音被麦克风接住之后,接下来通常先做什么?

单选题

风算口令吗

操场上风很大,平板把林晓的话听成了别的词。风本身是什么?

单选题

最后一步才是

声音变成一串数、看过高低长短快慢、对照之后,最后通常交出什么?

多选题

把步骤找出来

下面哪些属于语音识别要走的路?可以多选。

可多选

未登录时不会保存学习进度