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

中已經提到了科大訊飛的輸入法，其中就是利用了語音識別技術。

現在來介紹一下語音識別技術的具體方法和應用。語音識別系統是模式識別系統的具體化。一般的系統包括如下的步驟：

特徵提取 -->

模型 -->

特徵匹配

-->

識別結果

模型是通過訓練樣本獲得的。

語音識別要解決的問題有連續語音識別，非特定人識別和環境複雜等的情況。連續語音識別是對付乙個人的長句子的識別，非定人是的對付不同的人的語音輸入，複雜的情況是你可能處於不同的環境下進行輸入。這些問題都很難解決，但是在很多人的智慧型下，很多問題得以解決。下面講解部分方法：

大概的方法有基於hmm

的，快速自適應的，結構特徵的。

樣本數量

演算法原理

效果hmm

幾百個運用隱含markov

鏈的狀態的轉移來模擬語音頻號

很好，能達到很棒的識別率

快速自適應

一百個左右

使用自適應技術map,mllr

等消除聲道等的影響，這樣可以減少訓練樣本

對於很好的演算法，同樣可以獲得很好的識別率

結構特徵

五個左右

建立語音的hmm

連續模型，然後計算高斯分布之間的巴氏距離

暫時還在研究階段，沒有開始連續語音的研究

在不同的場合下使用不同的方法。現在主流的方法都是基於hmm

的，因為她它很可靠，還有現在的方法基本上是基於雲計算的，有乙個很強的服務集群提供服務。比如說科大訊飛的語音輸入法就是基於幾千臺的伺服器的。這樣的效果很好，基本可以用於實際的情況。

應用：1.

語音輸入，科大訊飛做的就是乙個例子，很好的人性化，可以很方便的輸入。

2.語音搜尋，google

就提供了這樣的服務，使用者可以通過語音輸入進行搜尋。

3.智慧型玩具，在今年的世博會上就有相應的海寶玩具，可以和它對詩等。