第3单元 第2课《语音识别的实现--体验语音特征提取、训练、识别全过程》教案-【清华大学版2024】《信息科技》六上.docx

课题

语音识别的实现——体验语音特征提取、训练识别全过程

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：能够了解人识别语音的过程和机器识别语音的过程，了解语音特征提取，训练语音识别模型，新语音的匹配与识别和输出结果。

计算思维：学习人类分辨声音的过程，其可以概括为采集与分频大脑进行识记、新语音的匹配与识别、输出结果。

数字化学习与创新：利用语音识别了解人、机器识别语音的过程，学会演示一语音自训练平台。

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

能够了解人识别语音的过程和机器识别语音的过程，了解语音特征提取，训练语音识别模型，新语音的匹配与识别和输出结果。

教学难点

利用语音识别了解人、机器识别语音的过程，学会演示一语音自训练平台。

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3.2课《语音识别的实现——体验语音特征提取、训练识别全过程》

1.板书课题：

机器实现智能的过程从某种角度上可以看成是模拟人类智能的过程，要想机器实现语音识别，不妨先从“人如何分辨声音”来一探究竟。这节课就让我们依照人听到并分辨声音的过程，来理解机器是如何识别声音的!

思考：同学们，请思考一下，你们认为机器是靠什么听到声音并能分辨出人们说的是什么话呢?和同学们讨论交流一下。

机器能够听到声音并分辨出人们说的话，主要依赖于以下几个技术和步骤：

麦克风：机器通过麦克风捕捉声音波。这些麦克风可以将声波转换为电信号。

信号处理：捕捉到的声音信号会经过数字信号处理（DSP），包括去噪、增强和特征提取等步骤，以提高声音的清晰度和可辨识度。

特征提取：机器会从处理后的信号中提取特征这些特征能够有效地表示声音的特性。

语音识别算法：使用机器学习和深度学习算法（如神经网络），机器可以将提取的特征与已知的语言模型进行比对，从而识别出说话的内容。常见的模型包括循环神经网络（RNN）、长短期记忆网络（LSTM）和变换器（Transformer）等。

语言模型：机器还会利用语言模型来理解上下文和语法，从而提高识别的准确性。例如，基于统计的方法或深度学习的方法可以帮助机器预测下一个可能出现的词。

输出：最后，机器将识别出的文本输出，可能还会进行进一步的处理，如语义理解或对话生成。

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：

人识别语音的过程

人类智慧相当复杂，仅靠一种感觉器官往往无法实现，通常需要信息的感知器官、信息的处理中枢等相互配合才能实现智能。人们听到声音的过程也是如此。

耳朵与大脑的协同作用

“风声雨声读书声，声声人耳。”当外界有物体发出声音时，人耳进行声音的采集，耳蜗会将不同声音的频率区分开，转化为大脑可以理解的神经信号再传递到大脑进行分析和存储，这时人才听到声音。当再次听到类似的声音时，人就能分辨出来。

所以人类的听觉系统并不仅指耳朵，还包括能够记住和分辨声音的大脑等。整体而言，人类分辨声音的过程可以概括为采集与分频、大脑进行识记、新语音的匹配与识别、输出结果，如图3.2.1所示。

课堂活动

想一想：人类的听觉系统哪一部分是不可或缺的？对于听力缺失的人来说，怎样才能“听到”声音？

人类的听觉系统中，耳朵的结构是不可或缺的，尤其是内耳的耳蜗。耳蜗内的毛细胞负责将声波转化为神经信号，并通过听神经传递到大脑，从而使我们能够感知声音。

对于听力缺失的人来说，有几种方法可以帮助他们“听到”声音：

助听器：助听器是一种放大声音的设备，可以帮助听力受损的人更好地听到周围的声音。

人工耳蜗：对于重度听力损失的人，人工耳蜗是一种植入式设备，可以直接刺激听神经，绕过受损的耳蜗，从而使人能够感知声音。

视觉辅助：一些人可能会使用手语或唇读等方式来“听到”声音的内容，通过视觉信息来理解交流。

振动设备：一些设备可以将声音转化为振动，通过身体的触觉感知声音，例如音乐振动器。这些方法可以帮助听力缺失的人更好地与外界交流和感知声音。

二、机器识别语音的过程

类比人类识别语音的过程，可以把机器识别语音的过程概括为语音特征提取、训练语音识别模型、新语音的匹配与识别、输出结果，如图3.2.2所示。

语音提取特征

当人们说话时，机器会用自身的传感器采集语音，之后将语音转化为计算机能够处理的数据串。人们发出的每个字的语音几乎都不相同，机器需要将描述每个语音特点的特征参数提取出来，如图3.2.3所示。

训练语音识别模型

机器将每个语音的特征提取出来以后会形成语音数据集。训练语音识别模型的过程就好比机器将这些语音进行分类记忆的过程，先把有相同特点的语音归为一类，并