隨著數(shù)據(jù)處理技術(shù)的進步以及移動互聯(lián)網(wǎng)的快速普及，計算機技術(shù)被廣泛地運用到了社會的各個領(lǐng)域，隨之而來的則是海量數(shù)據(jù)的產(chǎn)生。其中，語音數(shù)據(jù)受到了人們越來越多的重視。語音識別是一門交叉學科。近二十年來。語音識別技術(shù)取得顯著進步，開始從實驗室走向市場。人們預(yù)計，未來10年內(nèi)，語音識別技術(shù)將進入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費電子產(chǎn)品等各個領(lǐng)域。語音識別聽寫機在一些領(lǐng)域的應(yīng)用被美國新聞界評為1997年計算機發(fā)展十件大事之一。很多專家都認為語音識別技術(shù)是2000年至2010年間信息技術(shù)領(lǐng)域十大重要的科拄發(fā)展技術(shù)之一。語音識別技術(shù)所涉及的領(lǐng)域包括：信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽覺機理、人工智能等等。 [2]

語音識別技術(shù)屬于人工智能方向的一個重要分支，涉及許多學科，如信號處理、計算機科學、語言學、聲學、生理學、心理學等，是人機自然交互技術(shù)中的關(guān)鍵環(huán)節(jié)。 [5]語音識別較語音合成而言，技術(shù)上要復(fù)雜，但應(yīng)用卻更加廣泛。語音識別ASR的最大優(yōu)勢在于使得人機用戶界面更加自然和容易使用。 [2]

國外研究

從開始研究語音識別技術(shù)至今，語音識別技術(shù)的發(fā)展已經(jīng)有半個多世紀的歷史。語音識別技術(shù)研究的開端，是Davis等人研究的Audry系統(tǒng)，它是當時第一個可以獲取幾個英文字母的系統(tǒng)。到了20世紀60年代，伴隨計算機技術(shù)的發(fā)展，語音識別技術(shù)也得以進步，動態(tài)規(guī)劃和線性預(yù)測分析技術(shù)解決了語音識別中最為重要的問題——語音信號產(chǎn)生的模型問題；70年代，語音識別技術(shù)有了重大突破，動態(tài)時間規(guī)整技術(shù)（DTW）基本成熟，使語音變得可以等長，另外，矢量量化（VQ）和隱馬爾科夫模型理論（HMM）也不斷完善，為之后語音識別的發(fā)展做了鋪墊；80年代對語音識別的研究更為徹底，各種語音識別算法被提出，其中的突出成就包括HMM模型人工神經(jīng)網(wǎng)絡(luò)（ANN）；進入90年代后，語音識別技術(shù)開始應(yīng)用于全球市場，許多著名科技互聯(lián)網(wǎng)公司， 如IBM，Apple等，都為語音識別技術(shù)的開發(fā)和研究投入巨資；到了 21 世紀，語音識別技術(shù)研究重點轉(zhuǎn)變?yōu)榧磁d口語和自然對話以及多種語種的同聲翻譯。 [3]

國內(nèi)研究

國內(nèi)關(guān)于語音識別技術(shù)的研究與探索從20 世紀80 年代開始，取得了許多成果并且發(fā)展飛速。例如：清華大學研發(fā)的語音識別技術(shù)以1183 個單音節(jié)作為識別基元，并對其音節(jié)進行分解，最后進行識別，使三字詞和四字詞的準確率高達98%；中科院采用連續(xù)密度的HMM，整個系統(tǒng)的識別率達到89.5%，聲調(diào)和詞語的識別率分別是 99.5%和95%。目 前，我國的語音識別技術(shù)已經(jīng)和國際上的超級大國實力相當， 其綜合錯誤率可控制在10%以內(nèi)。 [3]

清華大學電子工程系語音技術(shù)與專用芯片設(shè)計課題組，研發(fā)的非特定人漢語數(shù)碼串連續(xù)語音識別系統(tǒng)的識別精度，達到94.8%（不定長數(shù)字串）和96.8%（定長數(shù)字串）。在有5%的拒識率情況下，系統(tǒng)識別率可以達到96.9%（不定長數(shù)字串）和98.7%（定長數(shù)字串），這是目前國際最好的識別結(jié)果之一，其性能已經(jīng)接近實用水平。研發(fā)的5000詞郵包校核非特定人連續(xù)語音識別系統(tǒng)的識別率達到98.73%，前三選識別率達99.96%；并且可以識別普通話與四川話兩種語言，達到實用要求。

中科院自動化所及其所屬模式科技(Pattek)公司2002年發(fā)布了他們共同推出的面向不同計算平臺和應(yīng)用的“天語”中文語音系列產(chǎn)品——PattekASR，結(jié)束了中文語音識別產(chǎn)品自1998年以來一直由國外公司壟斷的歷史。

2018年，科大訊飛提出深度全序列卷積神經(jīng)網(wǎng)絡(luò)（DFCNN），使用大量的卷積直接對整句語音信號進行建模。同年，阿里提出LFR-DFSMN模型，將低幀率算法和DFSMN算法進行融合，語音識別錯誤率相比上一代技術(shù)降低20%，解碼速度提升3倍。2019年，百度提出了流式多級的截斷注意力模型SMLTA，該模型在LSTM和CTC的基礎(chǔ)上引入了注意力機制來獲取更大范圍和更有層次的上下文信息。在線語音識別率上，該模型比百度上一代DeepPeak2模型提升相對15%的性能。 [5]2021年，科大訊飛提出“語音識別方法及系統(tǒng)”專利，通過“靜態(tài)+動態(tài)”網(wǎng)絡(luò)空間實時融合路徑解碼尋優(yōu)算法解決了面向多領(lǐng)域、多用戶、多場景下識別效果差、反應(yīng)速度慢、系統(tǒng)構(gòu)建時間長等技術(shù)問題，顯著地提升了語音識別效果。 [6]

語音識別是涉及心理學、生理學、聲學、語言學、信息理論、信號處理、計算機科學、模式識別等多個學科的交叉學科，具有廣闊的應(yīng)用前景，如語音檢索、命令控制、自動客戶服務(wù)、機器自動翻譯等。當今信息社會的高速發(fā)展迫切需要性能優(yōu)越的，能滿足各種不同需求的自動語音識別技術(shù)。但是，這樣的目標面臨著諸多困難，如：①語音信號會受 到上下文的影響而發(fā)生變化；②發(fā)音人以及口音的不同會導致語音特征在參數(shù)空間分布的不同；③同一發(fā)音人心理和生理變化帶來的語音變化；④不同的發(fā)音方式和習慣引起的省略、連讀等多變的語音現(xiàn)象；⑤環(huán)境和信道等因素造成的語音信號失真問題。 [2]

對于自動語音識別的探索，實際是早于計算機的出現(xiàn)的，早期的聲碼器可以看作是語音合成和識別技術(shù)的雛形，20世紀20年代出現(xiàn)的“Radio Rex”玩具狗也許是人類歷史上最早的語音識別機。現(xiàn)代自動語音識別技術(shù)可以追溯到上世紀50年代貝爾實驗室的 研究員使用模擬元器件，提取分析元音的共振峰信息，實現(xiàn)了十個英文孤立數(shù)字的識別功能。到了50年代末，統(tǒng)計語法的概念被倫敦大學學院的研究者首次加入到語音識別中(Fry，1959)，具有識別輔音和元音音素功能的識別器問世。在同一時期，用于特定環(huán)境中面向非特定人10個元音的音紊識別器也在麻省理工大學的林肯實驗室被研制出來。概率在不確定性數(shù)據(jù)管理中扮演重要角色，但多重概率的出現(xiàn)也極大的加大了數(shù)據(jù)處理的繁雜度。 [2]

聲學特征提取

模擬的語音信號進行采樣得到波形數(shù)據(jù)之后，首先要輸入到特征提取模塊，提取出合適的聲學特征參數(shù)供后續(xù)聲學模型訓練使用。好的聲學特征應(yīng)當考慮以下三個方面 的因素。第一，應(yīng)當具有比較優(yōu)秀的區(qū)分特性．以使聲學模型不同的建模單元可以方便準確的建模。其次，特征提取也可以認為是語音信息的壓縮編碼過程，既需要將信道、說話人的因素消除保留與內(nèi)容相關(guān)的信息，又需要在不損失過多有用信息的情況下使用盡量低的參數(shù)維度，便于高效準確的進行模型的訓練。最后，需要考慮魯棒性，即對環(huán)境噪聲的抗干擾能力。 [2]

聲學模型

如今主流語音識別系統(tǒng)都采用隱馬爾科夫模型(HMM)作為聲學模型，這是因為HMM具有很多優(yōu)良特性。HMM模型的狀態(tài)跳轉(zhuǎn)模型很適合人類語音的短時平穩(wěn)特性，可以對不斷產(chǎn)生的觀測值(語音信號)進行方便的統(tǒng)計建模；與HNN相伴生的動態(tài)規(guī)劃算法可以有效地實現(xiàn)對可變長度的時間序列進行分段和分類的功能；HMM的應(yīng)用范圍廣泛。只要選擇不同的生成概率密度，離散分布或者連續(xù)分布，都可以使用HNM進行建模。HMM以及與之相關(guān)的技術(shù)在語音識別系統(tǒng)中處于最核心的地位。自從HMM的理論被提出以來(Baum and Easo，1967)，它在語音信號處理及相關(guān)領(lǐng)域的應(yīng)用范圍變得越來越廣泛，在語音識別領(lǐng)域起到核心角色的作用，它還廣泛活躍精音的參數(shù)合成、語言理解、 機器翻譯等其他領(lǐng)域。 [2]

以漢語為例：

漢語按音素的發(fā)音特征分類分為輔音、單元音、復(fù)元音、復(fù)鼻尾音四種，按音節(jié)結(jié)構(gòu)分類為聲母和韻母。并且由音素構(gòu)成聲母或韻母。有時，將含有聲調(diào)的韻母稱為調(diào)母。由單個調(diào)母或由聲母與調(diào)母拼音成為音節(jié)。漢語的一個音節(jié)就是漢語一個字的音，即音節(jié)字。由音節(jié)字構(gòu)成詞，最后再由詞構(gòu)成句子。

漢語聲母共有22個，其中包括零聲母，韻母共有38個。按音素分類，漢語輔音共有22個，單元音13個，復(fù)元音13個，復(fù)鼻尾音16個。

目前常用的聲學模型基元為聲韻母、音節(jié)或詞，根據(jù)實現(xiàn)目的不同來選取不同的基元。漢語加上語氣詞共有412個音節(jié)，包括輕音字，共有1282個有調(diào)音節(jié)字，所以當在小詞匯表孤立詞語音識別時常選用詞作為基元，在大詞匯表語音識別時常采用音節(jié)或聲韻母建模，而在連續(xù)語音識別時，由于協(xié)同發(fā)音的影響，常采用聲韻母建模。

基于統(tǒng)計的語音識別模型常用的就是HMM模型λ(N,M,π,A,B)，涉及到HMM模型的相關(guān)理論包括模型的結(jié)構(gòu)選取、模型的初始化、模型參數(shù)的重估以及相應(yīng)的識別算法等。

語言模型與語言處理

語言模型包括由識別語音命令構(gòu)成的語法網(wǎng)絡(luò)或由統(tǒng)計方法構(gòu)成的語言模型，語言處理可以進行語法、語義分析。

語言模型對中、大詞匯量的語音識別系統(tǒng)特別重要。當分類發(fā)生錯誤時可以根據(jù)語言學模型、語法結(jié)構(gòu)、語義學進行判斷糾正，特別是一些同音字則必須通過上下文結(jié)構(gòu)才能確定詞義。語言學理論包括語義結(jié)構(gòu)、語法規(guī)則、語言的數(shù)學描述模型等有關(guān)方面。目前比較成功的語言模型通常是采用統(tǒng)計語法的語言模型與基于規(guī)則語法結(jié)構(gòu)命令語言模型。語法結(jié)構(gòu)可以限定不同詞之間的相互連接關(guān)系，減少了識別系統(tǒng)的搜索空間，這有利于提高系統(tǒng)的識別。

語音識別技術(shù)常用的方法有如下四種：1. 基于語言學和 聲學的方法，2. 隨機模型法，3. 利用人工神經(jīng)網(wǎng)絡(luò)的方法，4. 概率語法分析。其中最主流的方法是隨機模型法。 [3]

基于語言學和聲學的方法

基于語言學和聲學的方法是最早應(yīng)用于語音識別的方法，但是這種方法涉及的知識太過于困難，導致現(xiàn)在并沒有得到大規(guī)模普及。 [3]

隨機模型法

隨機模型法目前應(yīng)用較為成熟，該方法主要采用提取特征、訓練模板、對模板進行分類及對模板進行判斷的步驟來對語音進行識別。該方法涉及到的技術(shù)一般有3種：動態(tài)時間規(guī)整（DTW），隱馬爾科夫模型（HMM）理論和矢量量化（VQ ）技術(shù)。其中，HMM 算法相較于其他兩者的優(yōu)點是簡便優(yōu)質(zhì)， 在語音識別性能方面更為優(yōu)異。也正因為如此，如今大部分語音識別系統(tǒng)都在使用HMM算法。 [3]

神經(jīng)網(wǎng)絡(luò)的方法

（ANN）神經(jīng)網(wǎng)絡(luò)方法是在語音識別發(fā)展的后期才有的一種新的識別方法。它其實是一種模擬人類神經(jīng)活動的方法，同時具有人的一些特性，如自動適應(yīng)和自主學習。其較強的歸類能力和映射能力在語音識別技術(shù)中具有很高的利用價值。業(yè)界將 ANN 與傳統(tǒng)的方法進行結(jié)合，各取所長，使得語音識別的效率得到了顯著的提升。 [3]

概率語法分析法

概率語法分析法是一種能夠識別大長度語段的技術(shù)，主要是為了完成“區(qū)別語言的特征”，對于不同層次的知識利用相應(yīng)層次的知識來解決。這種方法最大的不足就是，建立一個有效、適宜的適用知識系統(tǒng)存在著一定的困難。 [3]

語音識別的工作模式

語音識別一般來說具有兩種工作模式：識別模式和命令模式。語音識別程序的實現(xiàn)也會根據(jù)兩種模式的不同而采用不同類型的程序。識別模式的工作原理是：引擎系統(tǒng)在后臺直接給出一個詞庫和識別模板庫，任何系統(tǒng)都不需要再進一 步對識別語法進行改動，只需要根據(jù)識別引擎提供的主程序源代碼進行改寫就可以了。命令模式相對來說實現(xiàn)起來比較困難，詞典必須要由程序員自己編寫，然后再進行編程，最后還要根據(jù)語音詞典進行處理和更正。識別模式與命令模式最大的不同就是，程序員要根據(jù)詞典內(nèi)容進行代碼的核對與修改。 [3]

語音識別環(huán)境設(shè)置

一般語音識別程序的環(huán)境設(shè)置步驟包括CTI服務(wù)器硬件默認參數(shù)采集與設(shè)定，識別硬件采集卡初始化，引擎端口設(shè)置等幾個部分。 [3]

應(yīng)用程序的所有工作都是根據(jù)CTI技術(shù)（Computer Telephone Integration）來工作的， 語音硬件平臺默認設(shè)定 CTI 服務(wù)器。

語音識別的平臺會通過判斷是否已經(jīng)輸入語音來進行工作，那么獲得語音就需要語音采集系統(tǒng)了。為了采集和輸出，我們一般采用語音卡作為工具。工作時，打開語音卡內(nèi)自帶的板卡，然后在程序中加入?yún)?shù)就可以運行了。 [3]

3、引擎端口設(shè)置。語音開發(fā)平臺已對硬件API接口函數(shù)進行提供， 因此只需對函數(shù)進行調(diào)用和賦值即可。 4.

語音字典的編譯

語音字典的設(shè)置包括語法、識別語音的規(guī)則、語音模板制作等內(nèi)容，根據(jù)語音平臺的規(guī)則來進行。在語音字典設(shè)置時，首先要設(shè)置語音識別核心包，再根據(jù)自己編譯的語音的規(guī)則來完成字典的全部設(shè)置。 [3]

編制識別主程序

在編譯語音識別程序的最后階段，程序員需要為主程序編寫GUI（Graphical User Interface）界面，以便于用戶與計算機進行交互操作。 [3]

語音識別系統(tǒng)可以根據(jù)對輸入語音的限制加以分類。

從說話者與識別系統(tǒng)的相關(guān)性考慮

可以將識別系統(tǒng)分為3類：(1)特定人語音識別系統(tǒng)：僅考慮對于專人的話音進行識別；(2)非特定人語音系統(tǒng)：識別的語音與人無關(guān)，通常要用大量不同人的語音數(shù)據(jù)庫對識別系統(tǒng)進行學習；(3)多人的識別系統(tǒng)：通常能識別一組人的語音，或者成為特定組語音識別系統(tǒng)，該系統(tǒng)僅要求對要識別的那組人的語音進行訓練。

從說話的方式考慮

也可以將識別系統(tǒng)分為3類：(1)孤立詞語音識別系統(tǒng)：孤立詞識別系統(tǒng)要求輸入每個詞后要停頓；(2)連接詞語音識別系統(tǒng)：連接詞輸入系統(tǒng)要求對每個詞都清楚發(fā)音，一些連音現(xiàn)象開始出現(xiàn)；(3)連續(xù)語音識別系統(tǒng)：連續(xù)語音輸入是自然流利的連續(xù)語音輸入，大量連音和變音會出現(xiàn)。

從識別系統(tǒng)的詞匯量大小考慮

也可以將識別系統(tǒng)分為3類：(1)小詞匯量語音識別系統(tǒng)。通常包括幾十個詞的語音識別系統(tǒng)。(2)中等詞匯量的語音識別系統(tǒng)。通常包括幾百個詞到上千個詞的識別系統(tǒng)。(3)大詞匯量語音識別系統(tǒng)。通常包括幾千到幾萬個詞的語音識別系統(tǒng)。隨著計算機與數(shù)字信號處理器運算能力以及識別系統(tǒng)精度的提高，識別系統(tǒng)根據(jù)詞匯量大小進行分類也不斷進行變化。目前是中等詞匯量的識別系統(tǒng)到將來可能就是小詞匯量的語音識別系統(tǒng)。這些不同的限制也確定了語音識別系統(tǒng)的困難度。

就算法模型方面而言

需要有進一步的突破。目前能看出它的一些明顯不足，尤其在中文語音識別方面，語言模型還有待完善，因為語言模型和聲學模型正是聽寫識別的基礎(chǔ)，這方面沒有突破，語音識別的進展就只能是一句空話。目前使用的語言模型只是一種概率模型，還沒有用到以語言學為基礎(chǔ)的文法模型，而要使計算機確實理解人類的語言，就必須在這一點上取得進展，這是一個相當艱苦的工作。此外，隨著硬件資源的不斷發(fā)展，一些核心算法如特征提取、搜索算法或者自適應(yīng)算法將有可能進一步改進。可以相信，半導體和軟件技術(shù)的共同進步將為語音識別技術(shù)的基礎(chǔ)性工作帶來福音。

就自適應(yīng)方面而言

語音識別技術(shù)也有待進一步改進。目前，像IBM的ViaVoice和Asiaworks的SPK都需要用戶在使用前進行幾百句話的訓練，以讓計算機適應(yīng)你的聲音特征。這必然限制了語音識別技術(shù)的進一步應(yīng)用，大量的訓練不僅讓用戶感到厭煩，而且加大了系統(tǒng)的負擔。并且，不能指望將來的消費電子應(yīng)用產(chǎn)品也針對單個消費者進行訓練。因此，必須在自適應(yīng)方面有進一步的提高，做到不受特定人、口音或者方言的影響，這實際上也意味著對語言模型的進一步改進?，F(xiàn)實世界的用戶類型是多種多樣的，就聲音特征來講有男音、女音和童音的區(qū)別，此外，許多人的發(fā)音離標準發(fā)音差距甚遠，這就涉及到對口音或方言的處理。如果語音識別能做到自動適應(yīng)大多數(shù)人的聲線特征，那可能比提高一二個百分點識別率更重要。事實上，ViaVoice的應(yīng)用前景也因為這一點打了折扣，只有普通話說得很好的用戶才可以在其中文版連續(xù)語音識別方面取得相對滿意的成績。

就強健性方面而言

語音識別技術(shù)需要能排除各種環(huán)境因素的影響。目前，對語音識別效果影響最大的就是環(huán)境雜音或嗓音，在公共場合，你幾乎不可能指望計算機能聽懂你的話，來自四面八方的聲音讓它茫然而不知所措。很顯然這極大地限制了語音技術(shù)的應(yīng)用范圍，目前，要在嘈雜環(huán)境中使用語音識別技術(shù)必須有特殊的抗嗓(NoiseCancellation)麥克風才能進行，這對多數(shù)用戶來說是不現(xiàn)實的。在公共場合中，個人能有意識地摒棄環(huán)境嗓音并從中獲取自己所需要的特定聲音，如何讓語音識別技術(shù)也能達成這一點呢？這的確是一個艱巨的任務(wù)。

此外，帶寬問題也可能影響語音的有效傳送，在速率低于1000比特/秒的極低比特率下，語音編碼的研究將大大有別于正常情況，比如要在某些帶寬特別窄的信道上傳輸語音，以及水聲通信、地下通信、戰(zhàn)略及保密話音通信等，要在這些情況下實現(xiàn)有效的語音識別，就必須處理聲音信號的特殊特征，如因為帶寬而延遲或減損等。語音識別技術(shù)要進一步應(yīng)用，就必須在強健性方面有大的突破。 [4]

多語言混合識別以及無限詞匯識別方面

簡單地說，目前使用的聲學模型和語音模型太過于局限，以至用戶只能使用特定語音進行特定詞匯的識別。如果突然從中文轉(zhuǎn)為英文，或者法文、俄文，計算機就會不知如何反應(yīng)，而給出一堆不知所云的句子；或者用戶偶爾使用了某個專門領(lǐng)域的專業(yè)術(shù)語，如“信噪比”等，可能也會得到奇怪的反應(yīng)。這一方面是由于模型的局限，另一方面也受限于硬件資源。隨著兩方面的技術(shù)的進步，將來的語音和聲學模型可能會做到將多種語言混合納入，用戶因此就可以不必在語種之間來回切換。此外，對于聲學模型的進一步改進，以及以語義學為基礎(chǔ)的語言模型的改進，也能幫助用戶盡可能少或不受詞匯的影響，從而可實行無限詞匯識別。 [4]

多語種交流系統(tǒng)的應(yīng)用

最終，語音識別是要進一步拓展我們的交流空間，讓我們能更加自由地面對這個世界?？梢韵胍?，如果語音識別技術(shù)在上述幾個方面確實取得了突破性進展，那么多語種交流系統(tǒng)的出現(xiàn)就是順理成章的事情，這將是語音識技術(shù)、機器翻譯技術(shù)以及語音合成技術(shù)的完美結(jié)合，而如果硬件技術(shù)的發(fā)展能將這些算法進而固化到更為細小的芯片，比如手持移動設(shè)備上，那么個人就可以帶著這種設(shè)備周游世界而無需擔心任何交流的困難，你說出你想表達的意思，手持設(shè)備同時識別并將它翻譯成對方的語言，然后合成并發(fā)送出去；同時接聽對方的語言，識別并翻譯成已方的語言，合成后朗讀給你聽，所有這一切幾乎都是同時進行的，只是機器充當著主角。

任何技術(shù)的進步都是為了更進一步拓展我們?nèi)祟惖纳婧徒涣骺臻g，以使我們獲得更大的自由，就服務(wù)于人類而言，這一點顯然也是語音識別技術(shù)的發(fā)展方向，而為了達成這一點，它還需要在上述幾個方面取得突破性進展，最終，多語種自由交流系統(tǒng)將帶給我們?nèi)碌纳羁臻g。 [4]

比爾蓋茨曾說過：“語音技術(shù)將使計算機丟下鼠標鍵盤”。 隨著計算機的小型化，鍵盤鼠標已經(jīng)成為了計算機發(fā)展的一大阻礙。人類的計算機從超大體積發(fā)展到現(xiàn)在占地不到1平方米的微型計算機，想必未來的計算機可能會有意想不到的小，那么鍵盤鼠標對其來說就是障礙了，這時候就需要語音識別來完成命令。一些科學家也說過：“計算機的下一代革命就是從圖形界面到語音用戶接口”。這表明了語音識別技術(shù)的發(fā)展無疑改變了人們的生活。在某些領(lǐng)域，電話正在逐漸地演變成一個服務(wù)者而非簡單的對話工具，通過電話，人們也可以使用語音來獲取自己想獲得的信息，其工作效率也自然而然提高了一個檔次。 [3]

語音識別技術(shù)漸漸地變成了人機接口的關(guān)鍵一步，這樣一個極具競爭性的新興產(chǎn)業(yè)，其市場的發(fā)展更是十分迅速， 發(fā)展趨勢也在逐步上升。從1999到2005年間，語音識別技術(shù)市場正在以每年31%的趨勢增長，如今在 iPhone等智能 手機中，語音助手已經(jīng)成為了標配功能，為用戶帶來了許多的便利，人們也可以通過電話和網(wǎng)絡(luò)來訂購機票火車票，甚至是旅游服務(wù)。因此，語音識別技術(shù)在我們實際生活中也有著越來越廣闊的發(fā)展前景和應(yīng)用領(lǐng)域。 [3]

在電話與通信系統(tǒng)中，智能語音接口正在把電話機從一個單純的服務(wù)工具變成為一個服務(wù)的“提供者”和生活“伙伴”；使用電話與通信網(wǎng)絡(luò)，人們可以通過語音命令方便地從遠端的數(shù)據(jù)庫系統(tǒng)中查詢與提取有關(guān)的信息；隨著計算機的小型化，鍵盤已經(jīng)成為移動平臺的一個很大障礙，想象一下如果手機僅僅只有一個手表那么大，再用鍵盤進行撥號操作已經(jīng)是不可能的。語音識別正逐步成為信息技術(shù)中人機接口的關(guān)鍵技術(shù)，語音識別技術(shù)與語音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤，通過語音命令進行操作。語音技術(shù)的應(yīng)用已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)。 [4]

語音識別技術(shù)發(fā)展到今天，特別是中小詞匯量非特定人語音識別系統(tǒng)識別精度已經(jīng)大于98%，對特定人語音識別系統(tǒng)的識別精度就更高。這些技術(shù)已經(jīng)能夠滿足通常應(yīng)用的要求。由于大規(guī)模集成電路技術(shù)的發(fā)展，這些復(fù)雜的語音識別系統(tǒng)也已經(jīng)完全可以制成專用芯片，大量生產(chǎn)。在西方經(jīng)濟發(fā)達國家，大量的語音識別產(chǎn)品已經(jīng)進入市場和服務(wù)領(lǐng)域。一些用戶交機、電話機、手機已經(jīng)包含了語音識別撥號功能，還有語音記事本、語音智能玩具等產(chǎn)品也包括語音識別與語音合成功能。人們可以通過電話網(wǎng)絡(luò)用語音識別口語對話系統(tǒng)查詢有關(guān)的機票、旅游、銀行信息，并且取得很好的結(jié)果。調(diào)查統(tǒng)計表明多達85%以上的人對語音識別的信息查詢服務(wù)系統(tǒng)的性能表示滿意。 [4]

谷歌推出語音識別技術(shù)

可以預(yù)測在近五到十年內(nèi)，語音識別系統(tǒng)的應(yīng)用將更加廣泛。各種各樣的語音識別系統(tǒng)產(chǎn)品將出現(xiàn)在市場上。人們也將調(diào)整自己的說話方式以適應(yīng)各種各樣的識別系統(tǒng)。在短期內(nèi)還不可能造出具有和人相比擬的語音識別系統(tǒng)，要建成這樣一個系統(tǒng)仍然是人類面臨的一個大的挑戰(zhàn)，我們只能一步步朝著改進語音識別系統(tǒng)的方向一步步地前進。至于什么時候可以建立一個像人一樣完善的語音識別系統(tǒng)則是很難預(yù)測的。就像在60年代，誰又能預(yù)測今天超大規(guī)模集成電路技術(shù)會對我們的社會產(chǎn)生這么大的影響。 [4]

相關(guān)知識

語音識別
語音識別抑郁癥的關(guān)鍵技術(shù)研究
語音識別：如何識別鼾聲
智能語音識別技術(shù)：賦能人工智能應(yīng)用新篇章
電銷機器人=AI人工智能+語音識別技術(shù)+語音知識庫+話術(shù)邏輯+智能學習
ai語音識別聲音防沉迷
語音識別技術(shù)在手機心理健康軟件中的應(yīng)用
R56 語音識別系統(tǒng).pdf
電話語音識別/114查號
語音識別的基本原理是什么

網(wǎng)址: 語音識別技術(shù) http://www.u1s5d6.cn/newsview681638.html