?

【第一天】語音信號處理與基礎算法

1. 培訓目標

·?培訓安排說明

·?培訓目標及學習路徑

2. 語音信號基礎

·?聲音的物理屬性與感知特性

·?數字信號處理基礎概念

o?取樣、量化、編碼

o?時域與頻域分析

3. 語音信號預處理

·?端點檢測（VAD）

·?預加重、分幀與加窗

·?常用窗函數原理與作用

·?實戰演練：讀取語音數據并完成預處理

4. 特征提取算法

·?常用特征介紹（短時能量、過零率）

·?MFCC、梅爾頻率倒譜系數

·?PLP、LPCC等其他特征

·?實戰演練：提取MFCC特征

5. 語音增強與降噪

·?噪聲類型與常見來源

·?時間域、頻域降噪算法

o?均值濾波、譜減法、Wiener濾波

·?實戰演練：簡單噪聲抑制實現

?

?

【第二天】語音識別與進階算法

1. 語音識別基礎

·?語音識別系統基本架構

·?聲學模型、語言模型與解碼器簡介

·?基于HMM、GMM-DNN的傳統語音識別模型

2. 深度學習在語音算法中的應用

·?端到端語音識別（CTC、Seq2Seq、Transformer）

·?常用神經網絡結構（CNN、RNN、LSTM等）

·?主流開源工具和框架介紹（Kaldi、TensorFlow、PyTorch、ESPnet等）

3. 語音合成（TTS）入門

·?TTS原理與流程

·?常見架構（基于unit selection、基于深度學習的Tacotron、WaveNet等）

·?簡要案例演示：文本轉語音合成流程

4. 語音喚醒與說話人識別

·?關鍵詞喚醒（KWS）原理及算法

·?說話人識別（Speaker Recognition）與驗證

·?簡要案例演示與實驗

5. 綜合實戰與應用案例

·?搭建一個簡易的語音識別/合成demo

·?常見問題討論與算法優化

·?行業應用分享（智能硬件、語音助手、會議轉寫等）

6. 總結