語(yǔ)音識(shí)別技術(shù)，也被稱(chēng)為自動(dòng)語(yǔ)音識(shí)別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類(lèi)的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入。語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語(yǔ)音識(shí)別技術(shù)主要包括特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三個(gè)方面。語(yǔ)音識(shí)別技術(shù)車(chē)聯(lián)網(wǎng)也得到了充分的引用，例如在翼卡車(chē)聯(lián)網(wǎng)中，只需按一鍵通客服人員口述即可設(shè)置目的地直接導(dǎo)航，安全、便捷。

語(yǔ)音識(shí)別技術(shù)，也被稱(chēng)為自動(dòng)語(yǔ)音識(shí)別Automatic Speech Recognition，(ASR)，（迅 捷ocr文字識(shí)別軟件）其目標(biāo)是將人類(lèi)的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說(shuō)話(huà)人識(shí)別及說(shuō)話(huà)人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說(shuō)話(huà)人而非其中所包含的詞匯內(nèi)容。

主 要 分 類(lèi)

根據(jù)識(shí)別的對(duì)象不同，語(yǔ)音識(shí)別任務(wù)大體可分為3類(lèi)，即孤立詞識(shí)別（isolated word recognition），關(guān)鍵詞識(shí)別（或稱(chēng)關(guān)鍵詞檢出，keyword spotting）和連續(xù)語(yǔ)音識(shí)別。其中，孤立詞識(shí)別 的任務(wù)是識(shí)別事先已知的孤立的詞，如“開(kāi)機(jī)”、“關(guān)機(jī)”等；連續(xù)語(yǔ)音識(shí)別的任務(wù)則是識(shí)別任意的連續(xù)語(yǔ)音，如一個(gè)句子或一段話(huà)；連續(xù)語(yǔ)音流中的關(guān)鍵詞檢測(cè)針對(duì)的是連續(xù)語(yǔ)音，但它并不識(shí)別全部文字，而只是檢測(cè)已知的若干關(guān)鍵詞在何處出現(xiàn)，如在一段話(huà)中檢測(cè)“計(jì)算機(jī)”、“世界”這兩個(gè)詞。

根據(jù)針對(duì)的發(fā)音人，可以把語(yǔ)音識(shí)別技術(shù)分為特定人語(yǔ)音識(shí)別和非特定人語(yǔ)音識(shí)別，前者只能識(shí)別一個(gè)或幾個(gè)人的語(yǔ)音，而后者則可以被任何人使用。顯然，非特定人語(yǔ)音識(shí)別系統(tǒng)更符合實(shí)際需要，但它要比針對(duì)特定人的識(shí)別困難得多。

另外，根據(jù)語(yǔ)音設(shè)備和通道，可以分為桌面（PC）語(yǔ)音識(shí)別、電話(huà)語(yǔ)音識(shí)別和嵌入式設(shè)備（手機(jī)、PDA等）語(yǔ)音識(shí)別。不同的采集通道會(huì)使人的發(fā)音的聲學(xué)特性發(fā)生變形，因此需要構(gòu)造各自的識(shí)別系統(tǒng)。

識(shí) 別 方 法

語(yǔ)音識(shí)別方法主要是模式匹配法。在訓(xùn)練階段，用戶(hù)將詞匯表中的每一詞依次說(shuō)一遍，并且將其特征矢量作為模板存入模板庫(kù)。在識(shí)別階段，將輸入語(yǔ)音的特征矢量依次與模板庫(kù)中的每個(gè)模板進(jìn)行相似度比較，將相似度最高者作為識(shí)別結(jié)果輸出。

存 在 問(wèn) 題

1、口音和噪聲

語(yǔ)音識(shí)別中最明顯的一個(gè)缺陷就是對(duì)口音和背景噪聲的處理。

2、語(yǔ)義錯(cuò)誤

通常語(yǔ)音識(shí)別系統(tǒng)的實(shí)際目標(biāo)并不是誤字率。我們更關(guān)心的是語(yǔ)義錯(cuò)誤率，就是被誤解的那部分話(huà)語(yǔ)。

3、單通道和多人會(huì)話(huà)

一個(gè)好的會(huì)話(huà)語(yǔ)音識(shí)別器必須能夠根據(jù)誰(shuí)在說(shuō)話(huà)對(duì)音頻進(jìn)行劃分，還應(yīng)該能弄清重疊的會(huì)話(huà)（聲源分離）。

4、其他領(lǐng)域變化

如：來(lái)自聲環(huán)境變化的混響、硬件造成的偽影、音頻的編解碼器和壓縮偽影、采樣率的變化、會(huì)話(huà)者的年齡不同。

5、上下文相關(guān)聯(lián)判斷識(shí)別

人類(lèi)聊天容易基于上下文做判斷。機(jī)器目前很難做到。

和自然語(yǔ)言識(shí)別的區(qū)別

語(yǔ)音識(shí)別是自然語(yǔ)言識(shí)別的一個(gè)方向。

廣義的“自然語(yǔ)言處理”包含了“語(yǔ)音”，或者說(shuō)“語(yǔ)音”也是“自然語(yǔ)言”的一種。狹義的“自然語(yǔ)言處理”是指處理及理解文本，簡(jiǎn)單的理解就是：語(yǔ)音識(shí)別的結(jié)果成了自然語(yǔ)言處理的原材料來(lái)源之一，自然語(yǔ)言處理的結(jié)果又成了語(yǔ)音生成的原材料。

它是區(qū)別指令式語(yǔ)音而命名，其基本原理都是一致。自然語(yǔ)音識(shí)別亮點(diǎn)是自然語(yǔ)言理解功能，即用戶(hù)可以按照個(gè)人的語(yǔ)言習(xí)慣，用自己慣用的語(yǔ)氣、慣用的詞，將需要被識(shí)別的語(yǔ)音任務(wù)說(shuō)出來(lái)即可。自然語(yǔ)音識(shí)別與指令式語(yǔ)音識(shí)別主要區(qū)別是詞庫(kù)大小及處理方式，指令語(yǔ)音所有處理都是本地進(jìn)行，自然語(yǔ)音識(shí)別目前基本都是采用云處理方式，這樣其語(yǔ)音庫(kù)及處理能力是指令語(yǔ)音無(wú)法比擬的。