取距離近的樣本所對(duì)應(yīng)的詞標(biāo)注為該語(yǔ)音信號(hào)的發(fā)音。該方法對(duì)解決孤立詞識(shí)別是有效的，但對(duì)于大詞匯量、非特定人連續(xù)語(yǔ)音識(shí)別就無(wú)能為力。因此，進(jìn)入80年代后，研究思路發(fā)生了重大變化，從傳統(tǒng)的基于模板匹配的技術(shù)思路開始轉(zhuǎn)向基于統(tǒng)計(jì)模型（HMM）的技術(shù)思路。HMM的理論基礎(chǔ)在1970年前后就已經(jīng)由Baum等人建立起來(lái)，隨后由CMU的Baker和IBM的Jelinek等人將其應(yīng)用到語(yǔ)音識(shí)別當(dāng)中。HMM模型假定一個(gè)音素含有3到5個(gè)狀態(tài)，同一狀態(tài)的發(fā)音相對(duì)穩(wěn)定，不同狀態(tài)間是可以按照一定概率進(jìn)行跳轉(zhuǎn)；某一狀態(tài)的特征分布可以用概率模型來(lái)描述，使用的模型是GMM。因此GMM-HMM框架中，HMM描述的是語(yǔ)音的短時(shí)平穩(wěn)的動(dòng)態(tài)性，GMM用來(lái)描述HMM每一狀態(tài)內(nèi)部的發(fā)音特征?；贕MM-HMM框架，研究者提出各種改進(jìn)方法，如結(jié)合上下文信息的動(dòng)態(tài)貝葉斯方法、區(qū)分性訓(xùn)練方法、自適應(yīng)訓(xùn)練方法、HMM/NN混合模型方法等。這些方法都對(duì)語(yǔ)音識(shí)別研究產(chǎn)生了深遠(yuǎn)影響，并為下一代語(yǔ)音識(shí)別技術(shù)的產(chǎn)生做好了準(zhǔn)備。自上世紀(jì)90年代語(yǔ)音識(shí)別聲學(xué)模型的區(qū)分性訓(xùn)練準(zhǔn)則和模型自適應(yīng)方法被提出以后，在很長(zhǎng)一段內(nèi)語(yǔ)音識(shí)別的發(fā)展比較緩慢，語(yǔ)音識(shí)別錯(cuò)誤率那條線一直沒(méi)有明顯下降。DNN-HMM時(shí)代2006年，Hinton提出深度置信網(wǎng)絡(luò)。

語(yǔ)音識(shí)別模塊被廣泛應(yīng)用在AI人工智能產(chǎn)品、智能家居遙控、智能玩具等多種領(lǐng)域上。廣州移動(dòng)語(yǔ)音識(shí)別標(biāo)準(zhǔn)

feed-forwardsequentialmemorynetwork，F(xiàn)SMN)，在DNN的隱層旁增加了一個(gè)“記憶模塊”，這個(gè)記憶模塊用來(lái)存儲(chǔ)對(duì)判斷當(dāng)前語(yǔ)音幀有用的語(yǔ)音信號(hào)的歷史信息和未來(lái)信息，并且只需等待有限長(zhǎng)度的未來(lái)語(yǔ)音幀。隨后，科大訊飛進(jìn)一步提出了深度全序列卷積神經(jīng)網(wǎng)絡(luò)(DFCNN)。2018年，阿里巴巴改良并開源了語(yǔ)音識(shí)別模型DFSMN(DeepFSMN)。2018年，中科院自動(dòng)化所率先把Transformer應(yīng)用到語(yǔ)音識(shí)別任務(wù)，并進(jìn)一步拓展到中文語(yǔ)音識(shí)別。不管是在研究成果還是在產(chǎn)品性能體驗(yàn)上，國(guó)內(nèi)的語(yǔ)音行業(yè)整體水平已經(jīng)達(dá)到甚至超越了國(guó)際水平。2016年10月，時(shí)任百度首席科學(xué)家的吳恩達(dá)在對(duì)微軟的語(yǔ)音識(shí)別技術(shù)與人類水平持平的消息表示祝賀的同時(shí)聲稱，百度的漢語(yǔ)語(yǔ)音識(shí)別在2015年就已經(jīng)超越了人類的平均水平，也就是說(shuō)百度比微軟提前一年實(shí)現(xiàn)了這一成績(jī)。當(dāng)前語(yǔ)音識(shí)別系統(tǒng)依然面臨著不少應(yīng)用挑戰(zhàn)，其中包括以下主要問(wèn)題：魯棒性。目前語(yǔ)音識(shí)別準(zhǔn)確率超過(guò)人類水平主要還是在受限的場(chǎng)景下，比如在安靜環(huán)境的情況下，而一旦加入干擾信號(hào)，尤其是環(huán)境噪聲和人聲干擾，性能往往會(huì)明顯下降。因此，如何在復(fù)雜場(chǎng)景(包括非平穩(wěn)噪聲、混響、遠(yuǎn)場(chǎng))下，提高語(yǔ)音識(shí)別的魯棒性，研發(fā)"能用=>好用"的語(yǔ)音識(shí)別產(chǎn)品。江蘇云語(yǔ)音識(shí)別一個(gè)連續(xù)語(yǔ)音識(shí)別系統(tǒng)大致包含了四個(gè)主要部分：特征提取、聲學(xué)模型、語(yǔ)言模型和解碼器等。

語(yǔ)音識(shí)別服務(wù)具備識(shí)別準(zhǔn)確率高、接入便捷、性能穩(wěn)定等特點(diǎn)。語(yǔ)音識(shí)別服務(wù)開放實(shí)時(shí)語(yǔ)音識(shí)別、一句話識(shí)別和錄音文件識(shí)別三種服務(wù)形式，滿足不同類型開發(fā)者需求。語(yǔ)音識(shí)別功能采用百度語(yǔ)音識(shí)別庫(kù)，首先利用PyAudio庫(kù)錄制語(yǔ)音指令，保存為受支持的wav音頻文件，然后利用百度語(yǔ)音識(shí)別庫(kù)提供的方法實(shí)現(xiàn)語(yǔ)音識(shí)別，檢測(cè)識(shí)別結(jié)果，利用PyUserInput庫(kù)提供的方法模擬控制web頁(yè)面滾動(dòng)。百度語(yǔ)音識(shí)別為開發(fā)者提供業(yè)界的語(yǔ)音服務(wù),通過(guò)場(chǎng)景識(shí)別優(yōu)化,為車載導(dǎo)航,智能家居和社交聊天等行業(yè)提供語(yǔ)音解決方案,準(zhǔn)確率達(dá)到90%以上,讓您的應(yīng)用繪“聲”繪色。實(shí)時(shí)語(yǔ)音識(shí)別應(yīng)用場(chǎng)景有哪些？1、實(shí)時(shí)客服記錄將呼叫中心的語(yǔ)音實(shí)時(shí)轉(zhuǎn)寫到文字，可以實(shí)現(xiàn)實(shí)時(shí)質(zhì)檢和監(jiān)控2、會(huì)議訪談?dòng)涗泴?huì)議和訪談的音頻實(shí)時(shí)轉(zhuǎn)為文字，提升記錄效率，方便企業(yè)后期對(duì)會(huì)議內(nèi)容進(jìn)行整理3、視頻實(shí)時(shí)直播字幕將視頻或線上直播中的音頻實(shí)時(shí)轉(zhuǎn)為字幕，為觀眾提高直播觀感體驗(yàn)。

還可能存在語(yǔ)種混雜現(xiàn)象，如中英混雜(尤其是城市白領(lǐng))、普通話與方言混雜，但商業(yè)機(jī)構(gòu)在這方面的投入還不多，對(duì)于中英混雜語(yǔ)音一般*能識(shí)別簡(jiǎn)單的英文詞匯(如"你家Wi-Fi密碼是多少")，因此如何有效提升多語(yǔ)種識(shí)別的準(zhǔn)確率，也是當(dāng)前語(yǔ)音識(shí)別技術(shù)面臨的挑戰(zhàn)之一。語(yǔ)音識(shí)別建模方法語(yǔ)音識(shí)別建模方法主要分為模板匹配、統(tǒng)計(jì)模型和深度模型幾種類型，以下分別介紹DTW、GMM-HMM、DNN-HMM和端到端模型。往往會(huì)因?yàn)檎Z(yǔ)速、語(yǔ)調(diào)等差異導(dǎo)致這個(gè)詞的發(fā)音特征和時(shí)間長(zhǎng)短各不相同。這樣就造成通過(guò)采樣得到的語(yǔ)音數(shù)據(jù)在時(shí)間軸上無(wú)法對(duì)齊的情況。如果時(shí)間序列無(wú)法對(duì)齊，那么傳統(tǒng)的歐氏距離是無(wú)法有效地衡量出這兩個(gè)序列間真實(shí)的相似性的。而DTW的提出就是為了解決這一問(wèn)題，它是一種將兩個(gè)不等長(zhǎng)時(shí)間序列進(jìn)行對(duì)齊并且衡量出這兩個(gè)序列間相似性的有效方法。DTW采用動(dòng)態(tài)規(guī)劃的算法思想，通過(guò)時(shí)間彎折，實(shí)現(xiàn)P和Q兩條語(yǔ)音的不等長(zhǎng)匹配，將語(yǔ)音匹配相似度問(wèn)題轉(zhuǎn)換為**優(yōu)路徑問(wèn)題。DTW是模板匹配法中的典型方法，非常適合用于小詞匯量孤立詞語(yǔ)音識(shí)別系統(tǒng)。但DTW過(guò)分依賴端點(diǎn)檢測(cè)，不適合用于連續(xù)語(yǔ)音識(shí)別，DTW對(duì)特定人的識(shí)別效果較好。動(dòng)態(tài)時(shí)間規(guī)整（DTW），它是在馬爾可夫鏈的基礎(chǔ)上發(fā)展起來(lái)的。語(yǔ)音識(shí)別與鍵盤、鼠標(biāo)或觸摸屏等應(yīng)是融合關(guān)系。

我們可以用語(yǔ)音跟它們做些簡(jiǎn)單交流，完成一些簡(jiǎn)單的任務(wù)等等。語(yǔ)音識(shí)別技術(shù)的應(yīng)用領(lǐng)域：汽車語(yǔ)音控制當(dāng)我們駕駛汽車在行駛過(guò)程中，必須時(shí)刻握好方向盤，但是難免有時(shí)候遇到急事需要撥打電話這些，這時(shí)候運(yùn)用汽車上的語(yǔ)音撥號(hào)功能的免提電話通信方式便可簡(jiǎn)單實(shí)現(xiàn)。此外，對(duì)汽車的衛(wèi)星導(dǎo)航定位系統(tǒng)（GPS）的操作，汽車空調(diào)、照明以及音響等設(shè)備的操作，同樣也可以用語(yǔ)音的方式進(jìn)行操作。語(yǔ)音識(shí)別技術(shù)的應(yīng)用領(lǐng)域：工業(yè)控制及醫(yī)療領(lǐng)域在工業(yè)及醫(yī)療領(lǐng)域上，運(yùn)用智能語(yǔ)音交互，能夠讓我們解放雙手，只需要對(duì)機(jī)器發(fā)出命令，就可以讓其操作完成需要的任務(wù)。提升了工作的效率。語(yǔ)音識(shí)別技術(shù)在個(gè)人助理、智能家居等很多領(lǐng)域都有運(yùn)用到，隨著語(yǔ)音識(shí)別技術(shù)在未來(lái)的不斷發(fā)展，語(yǔ)音識(shí)別芯片的不敢提高，給我們的生活帶來(lái)了更大的便利和智能化。原理語(yǔ)音識(shí)別技術(shù)是讓機(jī)器通過(guò)識(shí)別把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)槲谋?，進(jìn)而通過(guò)理解轉(zhuǎn)變?yōu)橹噶畹募夹g(shù)。天津語(yǔ)音識(shí)別機(jī)

語(yǔ)音識(shí)別的輸入實(shí)際上就是一段隨時(shí)間播放的信號(hào)序列，而輸出則是一段文本序列。廣州移動(dòng)語(yǔ)音識(shí)別標(biāo)準(zhǔn)

另一方面，與業(yè)界對(duì)語(yǔ)音識(shí)別的期望過(guò)高有關(guān)，實(shí)際上語(yǔ)音識(shí)別與鍵盤、鼠標(biāo)或觸摸屏等應(yīng)是融合關(guān)系，而非替代關(guān)系。深度學(xué)習(xí)技術(shù)自2009年興起之后，已經(jīng)取得了長(zhǎng)足進(jìn)步。語(yǔ)音識(shí)別的精度和速度取決于實(shí)際應(yīng)用環(huán)境，但在安靜環(huán)境、標(biāo)準(zhǔn)口音、常見詞匯場(chǎng)景下的語(yǔ)音識(shí)別率已經(jīng)超過(guò)95%，意味著具備了與人類相仿的語(yǔ)言識(shí)別能力，而這也是語(yǔ)音識(shí)別技術(shù)當(dāng)前發(fā)展比較火熱的原因。隨著技術(shù)的發(fā)展，現(xiàn)在口音、方言、噪聲等場(chǎng)景下的語(yǔ)音識(shí)別也達(dá)到了可用狀態(tài)，特別是遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別已經(jīng)隨著智能音箱的興起成為全球消費(fèi)電子領(lǐng)域應(yīng)用為成功的技術(shù)之一。由于語(yǔ)音交互提供了更自然、更便利、更高效的溝通形式，語(yǔ)音必定將成為未來(lái)主要的人機(jī)互動(dòng)接口之一。當(dāng)然，當(dāng)前技術(shù)還存在很多不足，如對(duì)于強(qiáng)噪聲、超遠(yuǎn)場(chǎng)、強(qiáng)干擾、多語(yǔ)種、大詞匯等場(chǎng)景下的語(yǔ)音識(shí)別還需要很大的提升；另外，多人語(yǔ)音識(shí)別和離線語(yǔ)音識(shí)別也是當(dāng)前需要重點(diǎn)解決的問(wèn)題。雖然語(yǔ)音識(shí)別還無(wú)法做到無(wú)限制領(lǐng)域、無(wú)限制人群的應(yīng)用，但是至少?gòu)膽?yīng)用實(shí)踐中我們看到了一些希望。本篇文章將從技術(shù)和產(chǎn)業(yè)兩個(gè)角度來(lái)回顧一下語(yǔ)音識(shí)別發(fā)展的歷程和現(xiàn)狀，并分析一些未來(lái)趨勢(shì)，希望能幫助更多年輕技術(shù)人員了解語(yǔ)音行業(yè)。廣州移動(dòng)語(yǔ)音識(shí)別標(biāo)準(zhǔn)

本文來(lái)自宜興市亞峰石業(yè)有限公司：http://kinglang.cn/Article/71b28099648.html