nuance的語音技術是以統計推斷方法為基礎，著眼於音素（音節的聲音）和語境來識別話語。在識別的方面，在引擎和演算法技術方面nuance領先乙個層次。畢竟有著多年的積累。
但是，在具體應用上，差距就沒有那麼大了——語音識別技術並非高不可攀，好的語音識別系統，很大程度上依靠經驗，專利和演算法什麼的並沒有多重要。所以只要google們挖到牛人，自主研發出不遜於nuance的語音識別技術並非難事——因為大家的純識別率都在乙個水平線上，差不多都達到了當前技術（主要是nuance採用的技術）的極限，差距不再可感，但再往上走，如果基於當前的技術，路會越走越窄。如果考慮到周圍環境的噪音、使用者發音不准、方言等等因素，這種技術的前景並不樂觀。這個時候就要從另外乙個角度考慮問題了——語義理解。
舉乙個例子，張飛張翼德在長阪坡嚎了一嗓子，我想，五湖四海出身的曹軍們沒有多少人能辨清楚張三爺的每乙個字（就不信漢朝沒有方言，就不信張飛說話不方言，就不信有多少人能聽得懂張飛的方言），他們沒有100%聽清楚，但是，他們聽懂了，然後害怕了，於是，撤退了。為張飛的名聲添磚加瓦。
在日常生活當中，如果只從語音出發，我們根本沒有可能聽懂xx牌普通話，但是我們還是聽懂了，更能用另一種牌子的普通話和他交流。這就涉及到語義理解。
關於語義理解，目前一門技術正火，神經網路。這是一種十分炫酷的技術，將機器學習的方式模仿人類大腦的神經元，當處理的語言越來越多時，這種網路就可以逐漸理解語言。實驗結果發現，這種技術可使得精確度提公升25%以上，這是乙個巨大的飛躍，因為這個行業只需要提公升5%就具備革命意義。目前，谷歌的google now、微軟的cortana都採用了這種技術。人工智慧大師傑弗里·希爾頓（geoffrey hinton）在2023年初加盟谷歌。此外，谷歌還挖走了nuance的一些職員，其中包括在2023年挖走nuance聯合創始人邁克·科恩（mike cohen），讓他出任谷歌的語音技術總監。至於微軟，我只有一句話，微軟研究院裡的大牛們真的是大牛啊。感興趣的可以查一查微軟在這方面的技術。
google和微軟都參合了，蘋果當然不會落後。來自wired 的訊息，蘋果正在著手更換掉 nuance，打算用自己研發的語音識別技術，最快可能在ios 9中亮相。在過去幾年，蘋果不僅吸納了siri的語音技術人才，更是將nuance公司的多名高階語音研究人員挖角過來，包括了前研發副總裁larry gillick，以及來自微軟語音識別專案高管alex acero，後者在微軟工作達 20 年之久。蘋果打算利用神經網路來提公升語音識別率，微軟研究部門主管 peter lee 認為，蘋果大約需要花6個月才能趕上google 和微軟。2023年，蘋果悄悄收購了一家語音識別技術公司novauris technologies，**未知。novauris公司以語音識別著稱，由其推出的產品和語音識別系統並非簡單的識別單個的詞句，而是理解上下文。novauris 也成推出乙個名為 novasystem 的分布式伺服器語音識別系統，可同時處理多個併發語音請求，識別完整的句子，並分析音節結構。
說完國外，再說說國內。
看過國外百舸爭流，再對比國內的欣欣向榮，在不入流的算命先生都能得出結論，語音是個大熱門，是未來的趨勢。
這個趨勢是實實在在的，不是吹起來的泡沫。
人類打成為人類以來就使用聲音，聲音已經融入我們的身體，成為一種本能，它是最優的表達方式，這也就是為什麼iphone4s能夠在普遍看衰的情況下大賣的關鍵，所有人都低估了siri，低估了人們對人機互動模式從鍵盤公升級到聲音的渴望。
在未來，也許就是不久的未來，智慧型家居（通過微軟的cortana，已經可以實現語音開燈關燈拉窗簾。這不是google now和siri無能，完全是因為微軟開放了api，google now和siri沒有開放）、駕駛等等領域。人機互動的領域越來越廣，語音的前景必將大到不敢想象。想象一下，當網際網路發展到無處不在時，人們隨時隨地都在網際網路之中，人機互動甚至可能會是時時刻刻，語音會是乙個多麼大的市場。
什麼？你說腦波？
我覺得腦波這玩意和幸福、上帝一樣，你相信它存在，它就存在。
語音識別技術
中科院聲學所將為奧運會提供語音技術支援 日前，由首信集團 首都資訊發展股份 牽頭 中科院聲學所參與其核心模組研製的 奧運會多語言服務 系統被北京奧組委正式採用。這標誌著聲學所在利用自身科研優勢 積極為 科技奧運 做貢獻方面取得了新的成果。從2002年開始，聲學所就參與了由科技部和北京市科委組織，北京...
語音識別技術
雖然人從外部獲取資訊，絕大部分來自來自視覺，可是語音的地位一直很高的，它很好的表表達了人的特徵和清晰的收入方式。其中語音識別技術的地位又是很高的，可以讓機器在字面上明白你在說什麼，這是自然的人機互動的基礎。現在走在語音識別技術前沿的公司有科大訊飛，google 微軟。在我們的前面幾篇 blog 中已...
語音識別技術概覽
語音識別基本和識別類似，都是從傳統的模型到深度神經網路dnn，再到rnn 深度卷積網路cnn。在端到端方面也是從隱馬爾科夫hmm到ctc lfmmi，再到attention方面 下面是一些模型列表 1.混合高斯 隱馬爾科夫模型 gmm hmm 2.深度神經網路 隱馬爾科夫模型 dnn hmm 3.深...