本文章公开了植物声音收集与处理装置，所述培育箱体的内部两侧边端均固定安装有安装板，且安装板的边部安装有超声波传感器，所述连接导线远离超声波传感器的一端与树莓派相连接，本实用新型通过将超声波传感器和树莓派来组成监测结构，方便收集植物超声波并进行信号转换，将其转换为图形类可视化数据，解决了判断植物是否发声，以及植物信息全过程收集并转化为可视化数据的难题，为植物声音的采集和记录提供了新思路，该监测结构还能够用于研究和监控植物的生长和行为，便于获得关于植物健康、生长条件和行为的实时数据，对于农业研究、生态监测和环境科学领域来说能够助推农业现代化发展，实现智慧农业。

 本技术属于情感计算技术领域，具体涉及一种基于扩散增强和多粒度特征融合的语音情感识别方法，该方法将音频转换为梅尔频谱图；将梅尔频谱图输入扩散模型中，再逐步进行正向扩散注入噪声和反向扩散去除噪声，以恢复出更加清晰的音频；提取增强后音频的特征，然后从音频中提取出帧级特征、段级特征和话语级特征，再进行自适应特征选择，通过权重位置依赖进行深层融合；将融合后的多粒度语音特征输入动态图卷积情感分类模型，生成情感状态识别结果。本发明可提供多分类语音情感识别和语音质量增强等服务，从而在交互中提供更加人性化的响应。

 本技术公开了一种基于深度学习技术的农业病虫害类方言语音智能识别方法，将梅尔频率倒谱系数和卷积神经网络进行结合，将全部流程拆分为两个阶段，预训练阶段包括长语音文件录制与存储、提取文件中语音信号的特征、训练神经网络模型，再训练阶段则是短语音文件录制与存储、提取文件中语音信号的特征、验证测试结果、模型参数的调整、保存最优模型；通过考虑不同地区人员的口音，对农业田地中监测人员口头汇报的方言语音信息进行智能识别，有效提高了对复杂方言语音信号的识别准确率，尤其是在农业病虫害相关术语的理解上。

一种基于GTCN的实时语音情感识别方法及应用装置，涉及生物特征识别技术领域，方法包括:步骤一、搜集一定数量的虚拟现实交互式语音游戏玩家的语音数据，对提取出来的数据进行预处理，包括端点检测和分帧加窗的操作；步骤二、提取预处理过后的语音数据的组合特征作为输入数据；步骤三、构建基于GTCN的模型，将输入数据经过训练，判断输入语音的情感；步骤四、结合输入数据和模型中的情感分类，与识别对象进行交互。相比其他语音情感识别方法，本技术实现了更高的准确率，在多个数据集中都表现出更佳的情感分类效果和更好的鲁棒性，并且能够以更高的效率和更低的内存进行训练，是一种高效稳定的语音情感识别方法。

本技术公开了一种综合性教学视频语音文本提取方法。首先基于训练过的CLDNN模型来对视频中的语音进行识别；然后基于训练过的双重对抗网络来对步骤1中所提取的语音进行噪声去除，以得到去噪后的语音。最后采用训练后的端到端的语音识别模型进行后端处理，其中端到端的语音识别模型基于Conformer建立，将去噪后的语音输入至语音识别模型，然后对输出结果进行自然语言处理，从而得到文本内容。本发明针对教学视频的特性，通过包括语音活动检测、语音增强和后端处理三个部分的综合方案来实现文本提取，同时引入Noisy Student Training半监督学习方法以使得模型可以在大规模无标签的数据下习通进行学。过实验证明，本文提出的方案可以有效地提高文本提取的效率与准确性。

 本技术公开了语音信号传输处理技术领域的一种基于语义通信的远程语音增强传输方法及系统，系统包括:本地发送端，用于：对待增强的含噪语音信号进行短时傅里叶变换后，利用语义编码器对含噪语音信号频谱进行语义特征提取；然后利用信道编码器对语音语义特征进行维度调整；最后通过信道传输至远程接收端；远程接收端，用于：接收通过信道传输过来的语音语义特征信号；利用信道解码器对接收到的语音语义特征信号进行维度恢复后，利用语义解码器进行语义解码得到预测纯净语音信号的实部与虚部，最后进行逆短时傅里叶变换得到重构语音信号。本发明可以在节约通信资源的情况下，显著提高远程接收端在低信噪比信道传输条件下恢复的纯净语音质量。

本文涉及一种语音识别方法、装置、计算机设备和存储介质。所述方法包括:获取待识别语音的当前帧和当前帧之前的历史帧，并将当前帧和当前帧之前的历史帧作为第一分块，进而根据第一分块和目标合成预测器，模拟出第一分块对应的未来帧，从而根据第一分块、未来帧和目标声学模型，确定待识别语音的语音识别结果。采用本方法能够降低识别的延迟时间。

 本技术公开了一种基于特征分解与重构的工业跨域声纹故障诊断方法，包括获取工业设备的声音数据信号，并依次进行线性归一化处理、傅里叶变换、梅尔滤波器转换和对数运算得到对数梅尔频谱图；对得到的对数梅尔频谱图进行特征分解，得到谐波分量谱图和冲击分量谱图。本基于特征分解与重构的工业跨域声纹故障诊断方法通过对得到的对数梅尔频谱图进行特征分解，并通过自适应双路特征融合模块对分解后的两个分量谱图进行深层的特征提取，并通过SE模块加强特征信息，通过引入权重进行缩放，起到了良好的鲁棒性和正则作用，解决了工业场景中，声音故障诊断模型不能对未见过的数据分布提供强大的泛化能力的问题。

 本技术涉及一种基于图论的Transformer自动语音识别模型的性能分析方法，属于人工智能与语音识别领域。包括:获取Transformer自动语音识别模型，获取音频数据；将音频数据输入Transformer自动语音识别模型，通过前向传播获取模型中各层的多个注意力头的权重矩阵，提取模型输出的单词文本；对每个注意力头的权重矩阵在给定时间内进行求平均处理，得到该注意力头的人工神经活动；使用皮尔逊相关系数对所述注意力头的人工神经活动进行相关性计算得到相关系数，基于相关系数构建功能连接矩阵；计算功能连接矩阵的图论参数；计算输出的单词文本的单词错误率；基于图论参数和单词错误率，分析Transformer自动语音识别模型的性能。本发明方法对Transformer自动语音识别模型的性能分析提供依据。

本技术提出了一种基于韵律特征的并行语音合成方法及装置、设备、介质，属于语音合成技术领域。该方法包括:首先将待合成语音文本正则化；将所述正则化语音文本并行转换为音素序列和音素级别韵律序列；将所述音素序列和所述音素级别韵律序列利用声学模型预测其梅尔频谱图；将所述梅尔频谱图利用声码器转换为所述待合成语音文本的语音信号。本专利融合自回归合成和非自回归合成的优势，不仅能有效提升语音合成的音质、流畅度、速度和鲁棒性，而且能实现实时的高效语音合成。基于本专利开发的系统可广泛应用于人工智能领域的智能化语音合成，如智能客服、智能音响、语音播报、地图导航和有声读物等人机交互场景。