語音識別簡介

　　與機器進行語音交流，讓機器明白你說什么，這是人們長期以來夢寐以求的事情。中國物聯(lián)網(wǎng)校企聯(lián)盟形象得把語音識別比做為“機器的聽覺系統(tǒng)”。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?yōu)橄鄳奈谋净蛎畹母呒夹g。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(lián)網(wǎng)也得到了充分的引用，例如在翼卡車聯(lián)網(wǎng)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。

　　語音識別是一門交叉學科。近二十年來，語音識別技術取得顯著進步，開始從實驗室走向市場。人們預計，未來10年內，語音識別技術將進入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務、消費電子產(chǎn)品等各個領域。 語音識別聽寫機在一些領域的應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是2000年至2010年間信息技術領域十大重要的科技發(fā)展技術之一。 語音識別技術所涉及的領域包括：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。

　　語音分類應用

　　根據(jù)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(xù)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(xù)語音識別的任務則是識別任意的連續(xù)語音，如一個句子或一段話；連續(xù)語音流中的關鍵詞檢測針對的是連續(xù)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(xiàn)，如在一段話中檢測“計算機”、“世界”這兩個詞。

　　根據(jù)針對的發(fā)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(tǒng)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(jù)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(fā)音的聲學特性發(fā)生變形，因此需要構造各自的識別系統(tǒng)。

　　語音識別的應用領域非常廣泛，常見的應用系統(tǒng)有：語音輸入系統(tǒng)，相對于鍵盤輸入方法，它更符合人的日常習慣，也更自然、更高效；語音控制系統(tǒng)，即用語音來控制設備的運行，相對于手動控制來說更加快捷、方便，可以用在諸如工業(yè)控制、語音撥號系統(tǒng)、智能家電、聲控智能玩具等許多領域；智能對話查詢系統(tǒng)，根據(jù)客戶的語音進行操作，為用戶提供自然、友好的數(shù)據(jù)庫檢索服務，例如家庭服務、賓館服務、旅行社服務系統(tǒng)、訂票系統(tǒng)、醫(yī)療服務、銀行服務、股票查詢服務等等。

　　語音識別原理

　　系統(tǒng)本質上是一種模式識別系統(tǒng)，包括特征提取、模式匹配、參考模式庫等三個基本單元，它的基本結構如下圖所示：

　　未知語音經(jīng)過話筒變換成電信號后加在識別系統(tǒng)的輸入端，首先經(jīng)過預處理，再根據(jù)人的語音特點建立語音模型，對輸入的語音信號進行分析，并抽取所需的特征，在此基礎上建立語音識別所需的模板。而計算機在識別過程中要根據(jù)語音識別的模型，將計算機中存放的語音模板與輸入的語音信號的特征進行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入語音匹配的模板。然后根據(jù)此模板的定義，通過查表就可以給出計算機的識別結果。顯然，這種最優(yōu)的結果與特征的選擇、語音模型的好壞、模板是否準確都有直接的關系。