| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 本文的主要工作内容 | 第11-14页 |
| 1.2.1 语音识别模块 | 第12页 |
| 1.2.2 语音活动检测 | 第12-14页 |
| 1.2.3 基于语音识别的视频字幕系统 | 第14页 |
| 1.3 本文的组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 相关工作和理论基础 | 第16-28页 |
| 2.1 语音活动检测基础 | 第16-21页 |
| 2.1.1 语音活动检测简介与基本原理 | 第16页 |
| 2.1.2 语音活动检测几种分类 | 第16-17页 |
| 2.1.3 语音活动检测算法 | 第17-21页 |
| 2.2 系统技术基础 | 第21-27页 |
| 2.2.1 语音识别技术 | 第21-24页 |
| 2.2.2 视频转换技术 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于Gammatone滤波器组语音活动检测算法 | 第28-43页 |
| 3.1 语音活动检测算法 | 第28-29页 |
| 3.2 基于Gammatone滤波器组的推荐语音活动检测算法 | 第29-36页 |
| 3.2.1 相关技术基础理论 | 第30-32页 |
| 3.2.2 推荐语音活动检测算法流程 | 第32-35页 |
| 3.2.3 推荐语音活动检测参数选定算法 | 第35-36页 |
| 3.3 实验结果展示 | 第36-41页 |
| 3.3.1 数据集 | 第36-37页 |
| 3.3.2 衡量指标 | 第37-38页 |
| 3.3.3 数据对比 | 第38-41页 |
| 3.3.4 结果与分析 | 第41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于语音活动检测的字幕校正算法 | 第43-53页 |
| 4.1 研究背景 | 第43-44页 |
| 4.2 推荐活动语音活动检测实现流程 | 第44-47页 |
| 4.2.1 双门限端点检测算法结果展示 | 第44-45页 |
| 4.2.2 基于Gammatone滤波器组的推荐语音活动检测算法展示 | 第45-46页 |
| 4.2.3 数据集结果展示 | 第46-47页 |
| 4.3 语音活动检测字幕二分校正策略 | 第47-50页 |
| 4.4 推荐语音活动端点检测校正实验 | 第50-52页 |
| 4.4.1 数据集 | 第50页 |
| 4.4.2 衡量指标 | 第50-51页 |
| 4.4.3 结果与分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于推荐语音活动检测的视频字幕系统实现 | 第53-63页 |
| 5.1 系统实现环境 | 第53页 |
| 5.2 数据库设计 | 第53-55页 |
| 5.3 视频爬取流程 | 第55-57页 |
| 5.4 语音识别实现与字幕文件生成实现 | 第57-59页 |
| 5.5 系统效果呈现 | 第59-61页 |
| 5.5.1 系统主界面 | 第59-60页 |
| 5.5.2 视频播放界面效果展示 | 第60-61页 |
| 5.6 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
