1。2 国内外研究现状与水平

1。2。1 国外发展

1。2。2 国内发展

1。2。3 识别模式

1。2。4 数据库

1。3 发展趋势

1。4 本课题的基本内容、重点、难点

1。4。1 本课题的基本内容

本系统分为语音识别、音频切割、音频转码三个功能模块。语音识别：由操作者上传音频文件或者音频流地址，通过ffmpeg切流转码交给百度语音识别api加以识别。音频切割：操作者上传音频文件或者音频流地址以及相关参数，通过ptyhon调用ffmpeg进行音频的切割。音频转码:可以将常见的音频格式相互转化，例如：MP3、WMA、WAV等。

1。4。2 本课题的重点

使用python编程，实现数据特征提取，在此基础上实现通过api的语音识别；将语音识别功能编写成可供其他模块调用的函数，为进一步实现语音识别系统提供基础；并且从中培养、提高查阅文献和综合运用知识的编程开发能力。

学习并使用celery进行任务的调度

Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统，并且提供维护这样一个系统的必需工具。

Celery支持使用任务队列的方式在分布的机器、进程、线程上执行任务调度。

任务队列是一种在线程或机器间分发任务的机制。

消息队列的输入是工作的一个单元，称为任务，独立的职程（Worker）进程持续监视队列中是否有需要处理的新任务。

Celery 用消息通信，通常使用中间人（Broker）在客户端和职程间斡旋。这个过程从客户端向队列添加消息开始，之后中间人把消息派送给职程，职程对消息进行处理。

Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

1。4。3 本课题的难点

将百度语音识别api不支持的音频格式和采样率转换为可被识别的：pcm（不压缩）、wav、opus、speex、amr、x-flac。原始 PCM 的录音参数必须符合 8k/16k 采样率、16bit 位深、单声道。

通过设置对应的语音识别垂类：在代码中填写识别的垂类领域，识别结果将优先指向已设置的垂类，可以使得识别结果更准确，有效地提高准确率。

1。5 开发所选择的工具

1。5。1 硬件部分

为了完成语音的采集和数字化，硬件一般包括三个部分：传感器及信号调理电路，A/D转换电路，PC机接口电路。但是由于声卡已经成为计算机的标准配置，而且拥有对声卡进行操作的函数，所以在本系统中直接采用话筒和声卡实现这部分功能。From~优Y尔R论^文W网wWw.YoUeRw.com 加QQ7520.18766

1。5。2 软件部分

程序整体使用python编写，使用flask框架编写页面和网络服务，使用celery进行任务的调度，实现具体任务的异步发布执行，ffmpeg进行音频处理。

（1） Python编程语言简介

Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。

Python的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。