語音識別技術，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入。語音識別技術就是讓機器通過識別和理解過程把語音信號轉變為相應的文本或命令的高技術。語音識別技術主要包括特征提取技術、模式匹配準則及模型訓練技術三個方面。語音識別技術車聯網也得到了充分的引用，例如在翼卡車聯網中，只需按一鍵通客服人員口述即可設置目的地直接導航，安全、便捷。

語音識別技術，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，（迅 捷ocr文字識別軟件）其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。與說話人識別及說話人確認不同，后者嘗試識別或確認發出語音的說話人而非其中所包含的詞匯內容。

主 要 分 類

根據識別的對象不同，語音識別任務大體可分為3類，即孤立詞識別（isolated word recognition），關鍵詞識別（或稱關鍵詞檢出，keyword spotting）和連續語音識別。其中，孤立詞識別 的任務是識別事先已知的孤立的詞，如“開機”、“關機”等；連續語音識別的任務則是識別任意的連續語音，如一個句子或一段話；連續語音流中的關鍵詞檢測針對的是連續語音，但它并不識別全部文字，而只是檢測已知的若干關鍵詞在何處出現，如在一段話中檢測“計算機”、“世界”這兩個詞。

根據針對的發音人，可以把語音識別技術分為特定人語音識別和非特定人語音識別，前者只能識別一個或幾個人的語音，而后者則可以被任何人使用。顯然，非特定人語音識別系統更符合實際需要，但它要比針對特定人的識別困難得多。

另外，根據語音設備和通道，可以分為桌面（PC）語音識別、電話語音識別和嵌入式設備（手機、PDA等）語音識別。不同的采集通道會使人的發音的聲學特性發生變形，因此需要構造各自的識別系統。

識 別 方 法

語音識別方法主要是模式匹配法。在訓練階段，用戶將詞匯表中的每一詞依次說一遍，并且將其特征矢量作為模板存入模板庫。在識別階段，將輸入語音的特征矢量依次與模板庫中的每個模板進行相似度比較，將相似度最高者作為識別結果輸出。

存 在 問 題

1、口音和噪聲

語音識別中最明顯的一個缺陷就是對口音和背景噪聲的處理。

2、語義錯誤

通常語音識別系統的實際目標并不是誤字率。我們更關心的是語義錯誤率，就是被誤解的那部分話語。

3、單通道和多人會話

一個好的會話語音識別器必須能夠根據誰在說話對音頻進行劃分，還應該能弄清重疊的會話（聲源分離）。

4、其他領域變化

如：來自聲環境變化的混響、硬件造成的偽影、音頻的編解碼器和壓縮偽影、采樣率的變化、會話者的年齡不同。

5、上下文相關聯判斷識別

人類聊天容易基于上下文做判斷。機器目前很難做到。

和自然語言識別的區別

語音識別是自然語言識別的一個方向。

廣義的“自然語言處理”包含了“語音”，或者說“語音”也是“自然語言”的一種。狹義的“自然語言處理”是指處理及理解文本，簡單的理解就是：語音識別的結果成了自然語言處理的原材料來源之一，自然語言處理的結果又成了語音生成的原材料。

它是區別指令式語音而命名，其基本原理都是一致。自然語音識別亮點是自然語言理解功能，即用戶可以按照個人的語言習慣，用自己慣用的語氣、慣用的詞，將需要被識別的語音任務說出來即可。自然語音識別與指令式語音識別主要區別是詞庫大小及處理方式，指令語音所有處理都是本地進行，自然語音識別目前基本都是采用云處理方式，這樣其語音庫及處理能力是指令語音無法比擬的。