(共15张PPT)
情境导入：
本单元主题：智能技术初体验
语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。其最大优势在于使得人机用户界面更加自然和容易使用。
为什么智能音箱能听懂人们的问题
你认为如何让人工智能听懂家乡的方言
《第5课 语音识别技术》
2023年浙教版 八年级下册
-第2单元 智能技术初体验 -
珠珠老师
信息科技 课件
2022新版课标内容
1
活动1：语音识别的过程
2
活动2：语音识别的实践
《目录》
信息科技
01
语音识别的过程
活动1
01.知识点讲解
语音识别一般会经历以下基本过程:通过数模转化得到一个数字声音信号，再对该声音信号进行预处理和特征提取，将该特征在声学模型中进行模式识别得到音素序列，最后将该音素序列在语言模型中查找概率最高的文本，并输出识别结果。语音识别的过程如图5-1所示。
活动1：语音识别的过程
01
01.知识点讲解
活动1：语音识别的过程
01
1.声音数字化
声音数字化是指将连续变化的声音物理信号，每隔一段时间，测得模拟信号的电压值，给出该电压值相应的量化值，并在计算机中用O和1表示，将模拟信号转换为数字信号。
2.信号预处理
对输人的语音信号进行预处理，如降噪、消除录制声音时的杂音、回声等等，得到一个比较干净的语音信号。
3．特征提取
特征提取就是每隔一定时间，把声音的音高、音长、音强和音色等特征提取出来的过程。
4.模式匹配
模式匹配就是将提取出来的特征在声学模型中进行比对，得到一组音素序列。音素是根据语音的自然规律划分出的最小的语音单位。汉语拼音中的"a、o、e、b、p、m…”等声母、韵母可视为一个个音素。例如“国家”这个单词包含“g、uo、j、i、a”这些音素，把音素按语言规律组合起来，就构成了每个单词的发音。模式匹配是一种最原始、最基本的模式识别方法，在人工智能中有着广泛的应用。
01.知识点讲解
活动1：语音识别的过程
01
助力知识
模式识别 人工智能中的模式识别是根据某个类别数据的共有模式，即模型（特征)，对数据进行检测识别或分类。模型的建立可以是直接给予某一事物的各种特征描述，或给予某一事物的海量数据样本，让机器通过样本来自己发现特征。
01.知识点讲解
活动1：语音识别的过程
01
5．语言处理
语言处理需要借助语言模型。声学模型识别出的单个音素，经过语言模型可以找出该音素出现概率最高的一个词语。不同单词之间的搭配，在语句中出现的概率是不一样的。一般来说，常见的词语出现的概率比生僻的词语出现的概率高。例如，在“世界旅游必去十大景点”中,“世界”出现的概率肯定高于“事件”，因此语言处理时会优先输出“世界”这个概率高的单词。“旅游”和“事件”搭配同时出现的概率，肯定低于“旅游”和“世界”这个单词搭配的概率，因此语言处理时会优先输出“世界”这个概率高的单词。同时，单词和单词之间的搭配应符合语言习惯。
助力知识
语言模型对搜集到的海量语句进行分析统计，获得单词与单词之间搭配的概率关系，从而形成语言模型。
02
语音识别的实践
活动2
01.知识点讲解
人工智能开放平台集成了大量声学和语言模型，通过这些平台提供的软件开发工具包，可以把录制的声音传送到平台并进行识别，再返回识别结果。如利用人工智能开放平台的开发工具包，识别录制的myaudio.wav文件中的语音信息，识别程序（部分）如图5-2所示，识别过程及结果如图5-3所示。
活动2：语音识别的实践
02
01.知识点讲解
活动2：语音识别的实践
02
尝试在人工智能开放平台、APP或相关软件中，将录制的myaudio.wav文件分别转换成文本。
实践探究
语音识别的准确率与声学模型及语言模型都密切相关。如果声学模型是用普通话训练的，那么识别方言语音，正确率就相对较低。通过及时更新地名、网络流行语等词汇，在语言模型中改变单词之间的搭配概率，可以有效地提高新单词的识别率。语音识别的准确率还与录音时周边环境的噪音、录音设备的质量等因素有关。
助力知识
1.录制一段语音，在人工智能开放平台、APP或软件中，将录制的语音分别转换成文本，并统计转换后文本的准确率。
录制的语音文件名:______________,包含文字（不含标点)的数量:_______________________个。
>
巩固练习
序号 平台名称、APP或软件名称 识别出正确的文字数量 准确率
1
2
3
4
2.选择不同的“发音人”或者方言对同一段文本信息进行录制，然后在同一个平台、APP或软件中进行测试,并统计识别正确率。
文本信息中包含文字(不含标点)|的数量:______个。平台、APP或软件名称:
>
巩固练习
序号 录制者姓名 采用的语言 识别出正确的文字数量 准确率
1
2
3
4
1
活动1：语音识别的过程
2
活动2：语音识别的实践
《总结》
信息科技
《感谢观看》
- Thank for Viewing -
珠珠老师
2023年浙教版 八年级下册《第5课 语音识别技术》教学设计
教学内容分析
本节课是2023年浙教版出版的八年级下册第二单元第1课。本节课分为两个活动：“语音识别的过程”“语音识别的实践”两部分内容组成。学生通过小组合作探究学习逐步掌握本节课的知识点，具备一定的小组合作能力、探究能力、创新能力等，提升信息社会责任，综合提升信息素养。
教学目标及核心素养指向
1、通过对语音识别应用的体验,理解语音识别的基本过程和原理（信息意识、计算思维） 2、了解声学模型和语音模型,感受语音识别带来的便利（信息意识、计算思维、数字化学习与创新、信息社会责任）
教学重难点
教学重点： 1、通过对语音识别应用的体验,理解语音识别的基本过程和原理 设计原因：语音识别应用是本节课的主要内容，知识点的渗透需要作为重点内容。 教学难点： 了解声学模型和语音模型,感受语音识别带来的便利 设计原因：声学模型和语音模型此部分对学生来说难度较高，应作为难点内容。
教学过程
1、情境导入（3分钟）
教师活动 学生活动
情境引入：人语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。其最大优势在于使得人机用户界面更加自然和容易使用。 为什么智能音箱能听懂人们的问题 你认为如何让人工智能听懂家乡的方言 学生听教师引导生活中的案例,学生讨论，回答提问
设计意图： 激发学生对语音识别的学习兴趣并快速进入学习状态。
2、新知讲授（35分钟）
教师活动 学生活动
活动1：语音识别的过程 知识讲解 语音识别一般会经历以下基本过程:通过数模转化得到一个数字声音信号，再对该声音信号进行预处理和特征提取，将该特征在声学模型中进行模式识别得到音素序列，最后将该音素序列在语言模型中查找概率最高的文本，并输出识别结果。语音识别的过程如图5-1所示。 1.声音数字化 声音数字化是指将连续变化的声音物理信号，每隔一段时间，测得模拟信号的电压值，给出该电压值相应的量化值，并在计算机中用O和1表示，将模拟信号转换为数字信号。 2.信号预处理 对输人的语音信号进行预处理，如降噪、消除录制声音时的杂音、回声等等，得到一个比较干净的语音信号。 3．特征提取 特征提取就是每隔一定时间，把声音的音高、音长、音强和音色等特征提取出来的过程。 4.模式匹配 模式匹配就是将提取出来的特征在声学模型中进行比对，得到一组音素序列。音素是根据语音的自然规律划分出的最小的语音单位。汉语拼音中的"a、o、e、b、p、m…”等声母、韵母可视为一个个音素。例如“国家”这个单词包含“g、uo、j、i、a”这些音素，把音素按语言规律组合起来，就构成了每个单词的发音。模式匹配是一种最原始、最基本的模式识别方法，在人工智能中有着广泛的应用。 重点知识：模式识别 人工智能中的模式识别是根据某个类别数据的共有模式，即模型（特征)，对数据进行检测识别或分类。模型的建立可以是直接给予某一事物的各种特征描述，或给予某一事物的海量数据样本，让机器通过样本来自己发现特征。 5．语言处理 语言处理需要借助语言模型。声学模型识别出的单个音素，经过语言模型可以找出该音素出现概率最高的一个词语。不同单词之间的搭配，在语句中出现的概率是不一样的。一般来说，常见的词语出现的概率比生僻的词语出现的概率高。例如，在“世界旅游必去十大景点”中,“世界”出现的概率肯定高于“事件”，因此语言处理时会优先输出“世界”这个概率高的单词。“旅游”和“事件”搭配同时出现的概率，肯定低于“旅游”和“世界”这个单词搭配的概率，因此语言处理时会优先输出“世界”这个概率高的单词。同时，单词和单词之间的搭配应符合语言习惯。 语言模型对搜集到的海量语句进行分析统计，获得单词与单词之间搭配的概率关系，从而形成语言模型。 活动2：语音识别的实践 知识讲解 人工智能开放平台集成了大量声学和语言模型，通过这些平台提供的软件开发工具包，可以把录制的声音传送到平台并进行识别，再返回识别结果。如利用人工智能开放平台的开发工具包，识别录制的myaudio.wav文件中的语音信息，识别程序（部分）如图5-2所示，识别过程及结果如图5-3所示。 重点知识 语音识别的准确率与声学模型及语言模型都密切相关。如果声学模型是用普通话训练的，那么识别方言语音，正确率就相对较低。通过及时更新地名、网络流行语等词汇，在语言模型中改变单词之间的搭配概率，可以有效地提高新单词的识别率。语音识别的准确率还与录音时周边环境的噪音、录音设备的质量等因素有关。 学生通过教师的讲解，以小组合作的方式，开展探讨交流，完成任务 活动1：语音识别的过程 小组合作探究 1.梳理语音识别的过程。 活动2：语音识别的实践 小组合作探究 1.尝试在人工智能开放平台、APP或相关软件中，将录制的myaudio.wav文件分别转换成文本。
设计意图: 培养学生独立思考的能力，提高核心素养。
3、课堂小结（7分钟）
教师活动 学生活动
总结本课内容： 活动1：语音识别的过程 活动2：语音识别的实践 学生一同回答并梳理知识
设计意图： 帮助学生梳理本节课知识，加深学生对知识的理解。(共1张PPT)
学习单
1
活动1：语音识别的过程
梳理语音识别的过程，并将过程写在下面
实践探究
班级：8年__班
组别：______
2
活动2：语音识别的实践
尝试在人工智能开放平台、APP或相关软件中，将录制的myaudio.wav文件分别转换成文本。
思考与讨论《第5课 语音识别技术》作业设计
作业分析
作业类型 基础型作业 探究型作业 实践型作业 跨学科综合作业
作业类别 课时作业 单元作业 学期作业
应用场景 课前预习 课中练习 课后作业
作业对象 全体学生作业 学生根据情况可选作业
设计思路 浙教版8下信息科技学科第5课《语音识别技术》作业设计旨在通过填空题、选择题和实践题等多种题型，全面考察学生对语音识别技术基本概念、原理及应用的理解与掌握。作业内容紧扣教材内容，难度适中，旨在帮助学生巩固课堂知识，提升实际应用能力。
作业内容
一、填空题【难度等级：★★★★】
1. 语音识别技术是一种将人类语音转换为________的技术，它广泛应用于智能手机、智能家居等领域。
2. 语音识别系统通常包括________、特征提取、声学模型、语言模型等组成部分。
3. 在语音识别过程中，________是将输入的语音信号转换成机器可读的数字信号的关键步骤。
4. 提高语音识别准确率的方法包括优化________、增加训练数据、改进算法等。
5. 当前流行的语音助手，如Siri、小爱同学等，都是基于________技术实现的智能交互系统。
二、选择题【难度等级：★★★】
1. 语音识别技术是通过什么方式将语音转换为文字的？
A. 图像识别
B. 信号处理
C. 模式识别
D. 语音编码
2. 语音识别技术中，哪个部分负责将语音信号转换为数字特征？
A. 声学模型
B. 特征提取
C. 语言模型
D. 语音识别器
3. 下列哪项不是提高语音识别准确率的方法？
A. 增加训练数据
B. 降低环境噪音
C. 减少模型复杂度
D. 优化声学模型
4. 语音助手Siri使用的是哪家公司的语音识别技术？
A. 谷歌
B. 亚马逊
C. 苹果
D. 微软
5. 在语音识别技术中，声学模型的主要作用是什么？
A. 描述语音信号与文字之间的对应关系
B. 识别语音中的情感
C. 提取语音信号中的特征
D. 生成语音合成所需的参数
三、实践题【难度等级：★★★★★】
1. 请使用智能手机或电脑上的语音识别软件，尝试将以下句子转换为文字：
“今天天气真好，适合去户外运动。”
将转换后的文字结果记录下来，并观察语音识别软件在转换过程中是否出现了错误或误差。
2. 尝试使用不同的语速、音量和口音，再次对同一句子进行语音识别转换，并比较结果。记录下语速、音量和口音对语音识别准确率的影响。
3. 请访问一款在线语音识别服务（如讯飞语音、百度语音识别等），上传一段自己的录音，观察并分析该服务在识别过程中的表现。记录识别结果的准确性，并尝试分析可能导致识别错误的原因（如背景噪音、发音不清晰等）。
