清华大学版信息科技六年级上册第三单元第1课《初识语音识别 语音识别技术应用》教案.doc

第3.1课《初识语音识别——语音识别技术应用》教学设计

课题

初始语音识别——语音识别技术应用

单元

第三单元

学科

信息科技

年级

六年级

核心素

养目标

信息意识：能够了解认识语音识别技术的原理和应用，认识机器的“听觉系统”语音识别。

计算思维：学习用语音与机器进行交流，让机器明白你说什么，并按照你说的话执行某些指令，并规范使用语音识别技术。

数字化学习与创新：利用语音识别了解学习语音识别的过程，学会语音识别技术项目应用设计。

信息社会责任：理解并尊重同学的隐私，学会安全地收集和处理敏感数据（如语音），避免不当分享。

教学重点

能够了解认识语音识别技术的原理和应用，认识机器的“听觉系统”语音识别。

教学难点

利用语音识别了解学习语音识别的过程，学会语音识别技术项目应用设计。

教学过程

教学环节

教师活动

学生活动

设计意图

导入新课

第3.1课《初始语音识别——语音识别技术应用》

1.板书课题：

要让机器模拟人类的智能，就要先模拟人类的感官智能，使机器不仅能跟人类一样慧眼识物、察颜观色，还能模拟人类的听觉能力，理解人类语言的内涵，这样才能让机器更好地跟人们进行交流。本节课，我们就来认识机器的“听觉系统”——语音识别吧!

思考：同学们，请思考一下，你们认为什么是语音识别，生活中你们有没有见到过语音识别的例子，和同学们讨论交流一下。

语音识别是指计算机或其他设备能够识别和理解人类语音的技术。它通过将声音信号转化为文本或指令，使得人们可以通过说话来与设备进行交互。

在生活中，我们可以看到许多语音识别的例子，比如：

1.智能助手：像Siri、GoogleAssistant和Alexa等智能助手，可以通过语音指令执行任务，比如设置闹钟、查询天气、播放音乐等。

2.语音输入：在手机或电脑上，我们可以使用语音输入功能，将说的话直接转换为文字，方便快捷。

3.导航系统：许多车载导航系统支持语音指令，驾驶者可以通过语音来输入目的地或调整路线。

4.客服系统：一些公司使用语音识别技术来处理客户的电话咨询，自动识别客户的需求并提供相应的服务。

2.播放视频。

学习新知引入

完成思考。

观看教学视频。

用生活中的常见现象引入课堂。

用提问的方式引入课题，增强课堂互动性。

将学生的注意吸引到课堂。

新知讲解：

板书课题：

认识语音识别技术

用语音与机器进行交流，让机器明白你说什么，并按照你说的话执行某些指令，这就是人们在最初研究机器智能时梦寐以求的事情，而今天这种技术已经飞入寻常百姓家。

语音识别技术的含义

语音识别技术也被称为自动语音识别，目标是将人类语音中的词汇或语义内容转换为计算机可读的输入指令，如图3.1.1所示。可以把机器的语音识别简单理解为“机器的听觉系统”，目的是让机器听懂人说的话，并按人类下达的指令执行任务。

语音识别的发展

针对语音识别技术的研究从20世纪50年代开始到现在已经历了半个多世纪，经过艰难的探索获得了巨大的进展。1952年贝尔实验室研究成功了世界上第一个能识别10个英文数字发音的实验系统;20世纪70年代，科学家在小词汇量、孤立词的识别方面取得了实质性的进展;到20世纪80年代语音识别技术逐渐由孤立词识别转向连接词识别。语音识别的发展过程如图3.1.2所示。

1987年，科学家开发出了世界上第一个“非特定人连续语音识别系统”用统计的方法提高了语音识别准确率，如图3.1.3所示。

20世纪90年代，大词汇量连续语音识别得到了优化;1997年首个语音听写产品问世，只要对着话筒说出要输入的字符，它就会自动判断并帮你输入文字。

2011年年初，某企业的深度神经网络(DNN)模型在语音有哪些信誉好的足球投注网站任务上获得成功，之后多家国内企业将DNN模型应用到中文语音识别领域。

如今，语音识别技术逐渐实现产品化，并嵌入移动设备，如手机、计算机等，以及穿戴式设备如电话手表等进行使用。手机使用语音识别技术的示例如图3.1.4所示。人机交互的方式翻开了新的篇章。

课堂活动

同学们，你能总结一下语音识别技术发展的过程吗?和同学们一起分享交流吧!

语音识别技术的发展过程可以分为以下几个主要阶段?：

1、1950年代至1960年代?：语音识别技术的早期起源。这一时期的语音识别技术主要是基于手工编写的规则和模板的方法，用于识别单词和短语?。

?2、1970年代至1980年代?：基于HiddenMarkovModel（HMM）的语音识别技术出现。这一阶段研究者们开始使用HMM模型来描述语音信号，并开发了一系列的语音识别算法?。

3、1990年代至2000年代?：深入研究语音识别算法的阶段。研究者们开始探索各种不同的语音识别算法，包括神经网络、支持向量机、决策树等，尤其是循环神经网络（RNN）和长短期