取距離近的樣本所對應(yīng)的詞標(biāo)注為該語音信號的發(fā)音。該方法對解決孤立詞識別是有效的，但對于大詞匯量、非特定人連續(xù)語音識別就無能為力。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，隨后由CMU的Baker和IBM的Jelinek等人將其應(yīng)用到語音識別當(dāng)中。HMM模型假定一個音素含有3到5個狀態(tài)，同一狀態(tài)的發(fā)音相對穩(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描述，使用的模型是GMM。因此GMM-HMM框架中，HMM描述的是語音的短時平穩(wěn)的動態(tài)性，GMM用來描述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。這些方法都對語音識別研究產(chǎn)生了深遠(yuǎn)影響，并為下一代語音識別技術(shù)的產(chǎn)生做好了準(zhǔn)備。自上世紀(jì)90年代語音識別聲學(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，在很長一段內(nèi)語音識別的發(fā)展比較緩慢，語音識別錯誤率那條線一直沒有明顯下降。DNN-HMM時代2006年，Hinton提出深度置信網(wǎng)絡(luò)。

語音識別模塊被廣泛應(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。廣州移動語音識別標(biāo)準(zhǔn)

feed-forwardsequentialmemorynetwork，F(xiàn)SMN)，在DNN的隱層旁增加了一個“記憶模塊”，這個記憶模塊用來存儲對判斷當(dāng)前語音幀有用的語音信號的歷史信息和未來信息，并且只需等待有限長度的未來語音幀。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音識別模型DFSMN(DeepFSMN)。2018年，中科院自動化所率先把Transformer應(yīng)用到語音識別任務(wù)，并進(jìn)一步拓展到中文語音識別。不管是在研究成果還是在產(chǎn)品性能體驗(yàn)上，國內(nèi)的語音行業(yè)整體水平已經(jīng)達(dá)到甚至超越了國際水平。2016年10月，時任百度首席科學(xué)家的吳恩達(dá)在對微軟的語音識別技術(shù)與人類水平持平的消息表示祝賀的同時聲稱，百度的漢語語音識別在2015年就已經(jīng)超越了人類的平均水平，也就是說百度比微軟提前一年實(shí)現(xiàn)了這一成績。當(dāng)前語音識別系統(tǒng)依然面臨著不少應(yīng)用挑戰(zhàn)，其中包括以下主要問題：魯棒性。目前語音識別準(zhǔn)確率超過人類水平主要還是在受限的場景下，比如在安靜環(huán)境的情況下，而一旦加入干擾信號，尤其是環(huán)境噪聲和人聲干擾，性能往往會明顯下降。因此，如何在復(fù)雜場景(包括非平穩(wěn)噪聲、混響、遠(yuǎn)場)下，提高語音識別的魯棒性，研發(fā)"能用=>好用"的語音識別產(chǎn)品。江蘇云語音識別一個連續(xù)語音識別系統(tǒng)大致包含了四個主要部分：特征提取、聲學(xué)模型、語言模型和解碼器等。

語音識別服務(wù)具備識別準(zhǔn)確率高、接入便捷、性能穩(wěn)定等特點(diǎn)。語音識別服務(wù)開放實(shí)時語音識別、一句話識別和錄音文件識別三種服務(wù)形式，滿足不同類型開發(fā)者需求。語音識別功能采用百度語音識別庫，首先利用PyAudio庫錄制語音指令，保存為受支持的wav音頻文件，然后利用百度語音識別庫提供的方法實(shí)現(xiàn)語音識別，檢測識別結(jié)果，利用PyUserInput庫提供的方法模擬控制web頁面滾動。百度語音識別為開發(fā)者提供業(yè)界的語音服務(wù),通過場景識別優(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)時語音識別應(yīng)用場景有哪些？1、實(shí)時客服記錄將呼叫中心的語音實(shí)時轉(zhuǎn)寫到文字，可以實(shí)現(xiàn)實(shí)時質(zhì)檢和監(jiān)控2、會議訪談記錄將會議和訪談的音頻實(shí)時轉(zhuǎn)為文字，提升記錄效率，方便企業(yè)后期對會議內(nèi)容進(jìn)行整理3、視頻實(shí)時直播字幕將視頻或線上直播中的音頻實(shí)時轉(zhuǎn)為字幕，為觀眾提高直播觀感體驗(yàn)。

還可能存在語種混雜現(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，對于中英混雜語音一般*能識別簡單的英文詞匯(如"你家Wi-Fi密碼是多少")，因此如何有效提升多語種識別的準(zhǔn)確率，也是當(dāng)前語音識別技術(shù)面臨的挑戰(zhàn)之一。語音識別建模方法語音識別建模方法主要分為模板匹配、統(tǒng)計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。往往會因?yàn)檎Z速、語調(diào)等差異導(dǎo)致這個詞的發(fā)音特征和時間長短各不相同。這樣就造成通過采樣得到的語音數(shù)據(jù)在時間軸上無法對齊的情況。如果時間序列無法對齊，那么傳統(tǒng)的歐氏距離是無法有效地衡量出這兩個序列間真實(shí)的相似性的。而DTW的提出就是為了解決這一問題，它是一種將兩個不等長時間序列進(jìn)行對齊并且衡量出這兩個序列間相似性的有效方法。DTW采用動態(tài)規(guī)劃的算法思想，通過時間彎折，實(shí)現(xiàn)P和Q兩條語音的不等長匹配，將語音匹配相似度問題轉(zhuǎn)換為**優(yōu)路徑問題。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音識別系統(tǒng)。但DTW過分依賴端點(diǎn)檢測，不適合用于連續(xù)語音識別，DTW對特定人的識別效果較好。動態(tài)時間規(guī)整（DTW），它是在馬爾可夫鏈的基礎(chǔ)上發(fā)展起來的。語音識別與鍵盤、鼠標(biāo)或觸摸屏等應(yīng)是融合關(guān)系。

我們可以用語音跟它們做些簡單交流，完成一些簡單的任務(wù)等等。語音識別技術(shù)的應(yīng)用領(lǐng)域：汽車語音控制當(dāng)我們駕駛汽車在行駛過程中，必須時刻握好方向盤，但是難免有時候遇到急事需要撥打電話這些，這時候運(yùn)用汽車上的語音撥號功能的免提電話通信方式便可簡單實(shí)現(xiàn)。此外，對汽車的衛(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，同樣也可以用語音的方式進(jìn)行操作。語音識別技術(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)用智能語音交互，能夠讓我們解放雙手，只需要對機(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。語音識別技術(shù)在個人助理、智能家居等很多領(lǐng)域都有運(yùn)用到，隨著語音識別技術(shù)在未來的不斷發(fā)展，語音識別芯片的不敢提高，給我們的生活帶來了更大的便利和智能化。原理語音識別技術(shù)是讓機(jī)器通過識別把語音信號轉(zhuǎn)變?yōu)槲谋?，進(jìn)而通過理解轉(zhuǎn)變?yōu)橹噶畹募夹g(shù)。天津語音識別機(jī)

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

另一方面，與業(yè)界對語音識別的期望過高有關(guān)，實(shí)際上語音識別與鍵盤、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)取得了長足進(jìn)步。語音識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、常見詞匯場景下的語音識別率已經(jīng)超過95%，意味著具備了與人類相仿的語言識別能力，而這也是語音識別技術(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、噪聲等場景下的語音識別也達(dá)到了可用狀態(tài)，特別是遠(yuǎn)場語音識別已經(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。由于語音交互提供了更自然、更便利、更高效的溝通形式，語音必定將成為未來主要的人機(jī)互動接口之一。當(dāng)然，當(dāng)前技術(shù)還存在很多不足，如對于強(qiáng)噪聲、超遠(yuǎn)場、強(qiáng)干擾、多語種、大詞匯等場景下的語音識別還需要很大的提升；另外，多人語音識別和離線語音識別也是當(dāng)前需要重點(diǎn)解決的問題。雖然語音識別還無法做到無限制領(lǐng)域、無限制人群的應(yīng)用，但是至少從應(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)兩個角度來回顧一下語音識別發(fā)展的歷程和現(xiàn)狀，并分析一些未來趨勢，希望能幫助更多年輕技術(shù)人員了解語音行業(yè)。廣州移動語音識別標(biāo)準(zhǔn)

本文來自宜春市數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)運(yùn)營有限公司：http://biz-periscope.com/Article/37c84699116.html