（文章來源：讀芯術）

自動語音識別(ASR)是一種將口語轉換為文本的過程。該技術正在不斷應用于即時通訊應用程序、搜索引擎、車載系統和家庭自動化中。盡管所有這些系統都依賴于略有不同的技術流程，但這些所有系統的第一步都是相同的：捕獲語音數據并將其轉換為機器可讀的文本。

但 ASR 系統如何工作？它如何學會辨別語音？本文將簡要介紹自動語音識別。我們將研究語音轉換成文本的過程、如何構建ASR 系統以及未來對ASR技術的期望。ASR 系統：它們如何運作？因此，從基礎層面來看，我們知道自動語音識別看起來如下：音頻數據輸入，文本數據輸出。

但是，從輸入到輸出，音頻數據需要變成機器可讀的數據。這意味著數據通過聲學模型和語言模型進行發送。這兩個過程是這樣的：聲學模型確定了語言中音頻信號和語音單位之間的關系，而語言模型將聲音與單詞及單詞序列進行匹配。這兩個模型允許 ASR 系統對音頻輸入進行概率檢查，以預測其中的單詞和句子。然后，系統會選出具有最高置信度等級的預測。*

*有時語言模型可以優先考慮某些因其他因素而被認為更有可能的預測。在這里，值得一提的是，如果自動語音識別系統是語音用戶界面的一部分，則 ASR 模型將不是唯一在運行的機器學習模型。許多自動語音識別系統都與自然語言處理 (NLP) 和文本語音轉換 (TTS) 系統配合使用，以執行其給定的角色。也就是說，深入研究語音用戶界面本身就是個完整的話題。

那么，現在知道了 ASR 系統如何運作，但需要構建什么？關鍵是數據。建立 ASR 系統：數據的重要性。優秀的 ASR 系統應該具有靈活性。它需要識別各種各樣的音頻輸入（語音樣本），并根據該數據做出準確的文本輸出，以便做出相應的反應。

為實現這一點，ASR 系統需要的數據是標記的語音樣本和轉錄形式。比這要復雜一些（例如，數據標記過程非常重要且經常被忽略），但為了讓大家明白，在此將其簡化。ASR 系統需要大量的音頻數據。為什么？因為語言很復雜。對同一件事有很多種講述方式，句子的意思會隨著單詞的位置和重點而改變。還考慮到世界上有很多不同的語言，在這些語言中，發音和單詞選擇可能會因地理位置和口音等因素而不同。

哦，別忘了語言也因年齡和性別而有所不同！考慮到這一點，為 ASR系統提供的語音樣本越多，它在識別和分類新語音輸入方面越好。從各種各樣的聲音和環境中獲取的樣本越多，系統越能在這些環境中識別聲音。通過專門的微調和維護，自動語音識別系統將在使用過程中得到改進。

因此，從最基本的角度來看，數據越多越好。的確，目前進行的研究和優化較小數據集相關，但目前大多數模型仍需要大量數據才能發揮良好的性能。幸運的是，得益于數據集存儲庫和專用的數據收集服務，音頻數據的收集變得越發簡單。這反過來又增加了技術發展的速度，那么，接下來簡單了解一下，未來自動語音識別能在哪些方面大展身手。

ASR 技術已融身于社會。虛擬助手、車載系統和家庭自動化都讓日常生活更加便利，應用范圍也可能擴大。隨著越來越多的人接納這些服務，技術將進一步發展。
? ? ?（責任編輯：fqj）