在下述的內容中，小編將會對語音識別技術的相關消息予以報道，如果語音識別技術是您想要了解的焦點之一，不妨和小編共同閱讀這篇文章哦。

一、什么是語音識別技術

語音識別技術，也被稱為自動語音識別(Automatic Speech Recognition，ASR)，其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。與說話人識別及說話人確認不同，后者嘗試識別或確認發(fā)出語音的說話人而非其中所包含的詞匯內容。

語音識別技術屬于人工智能方向的一個重要分支，涉及許多學科，如信號處理、計算機科學、語言學、聲學、生理學、心理學等，是人機自然交互技術中的關鍵環(huán)節(jié)。語音識別較語音合成而言，技術上要復雜，但應用卻更加廣泛。語音識別ASR的最大優(yōu)勢在于使得人機用戶界面更加自然和容易使用。

語音識別是涉及心理學、生理學、聲學、語言學、信息理論、信號處理、計算機科學、模式識別等多個學科的交叉學科，具有廣闊的應用前景，如語音檢索、命令控制、自動客戶服務、機器自動翻譯等。當今信息社會的高速發(fā)展迫切需要性能優(yōu)越的，能滿足各種不同需求的自動語音識別技術。但是，這樣的目標面臨著諸多困難，如：①語音信號會受 到上下文的影響而發(fā)生變化;②發(fā)音人以及口音的不同會導致語音特征在參數空間分布的不同;③同一發(fā)音人心理和生理變化帶來的語音變化;④不同的發(fā)音方式和習慣引起的省略、連讀等多變的語音現象;⑤環(huán)境和信道等因素造成的語音信號失真問題。

對于自動語音識別的探索，實際是早于計算機的出現的，早期的聲碼器可以看作是語音合成和識別技術的雛形，20世紀20年代出現的“Radio Rex”玩具狗也許是人類歷史上最早的語音識別機。現代自動語音識別技術可以追溯到上世紀50年代貝爾實驗室的 研究員使用模擬元器件，提取分析元音的共振峰信息，實現了十個英文孤立數字的識別功能。到了50年代末，統計語法的概念被倫敦大學學院的研究者首次加入到語音識別中(Fry，1959)，具有識別輔音和元音音素功能的識別器問世。在同一時期，用于特定環(huán)境中面向非特定人10個元音的音紊識別器也在麻省理工大學的林肯實驗室被研制出來。概率在不確定性數據管理中扮演重要角色，但多重概率的出現也極大的加大了數據處理的繁雜度。

二、語音識別系統包含哪些部分

(1)語音輸入的預處理模塊

對輸入的原始語音信號進行處理，濾除掉其中的不重要信息以及背景噪聲，并進行語音信號的端點檢測(也就是找出語音信號的始末)、語音分幀(可以近似理解為，一段語音就像是一段視頻，由許多幀的有序畫面構成，可以將語音信號切割為單個的“畫面”進行分析)等處理。

(2)特征提取

在去除語音信號中對于語音識別無用的冗余信息后，保留能夠反映語音本質特征的信息進行處理，并用一定的形式表示出來。也就是提取出反映語音信號特征的關鍵特征參數形成特征矢量序列，以便用于后續(xù)處理。

(3)聲學模型訓練

聲學模型可以理解為是對聲音的建模，能夠把語音輸入轉換成聲學表示的輸出，準確的說，是給出語音屬于某個聲學符號的概率。根據訓練語音庫的特征參數訓練出聲學模型參數。在識別時可以將待識別的語音的特征參數與聲學模型進行匹配，得到識別結果。目前的主流語音識別系統多采用隱馬爾可夫模型HMM進行聲學模型建模。

(4)語言模型訓練

語言模型是用來計算一個句子出現概率的模型，簡單地說，就是計算一個句子在語法上是否正確的概率。因為句子的構造往往是規(guī)律的，前面出現的詞經常預示了后方可能出現的詞語。它主要用于決定哪個詞序列的可能性更大，或者在出現了幾個詞的時候預測下一個即將出現的詞語。它定義了哪些詞能跟在上一個已經識別的詞的后面(匹配是一個順序的處理過程)，這樣就可以為匹配過程排除一些不可能的單詞。

語言建模能夠有效的結合漢語語法和語義的知識，描述詞之間的內在關系，從而提高識別率，減少搜索范圍。對訓練文本數據庫進行語法、語義分析，經過基于統計模型訓練得到語言模型。

(5)語音解碼和搜索算法

解碼器是指語音技術中的識別過程。針對輸入的語音信號，根據己經訓練好的HMM聲學模型、語言模型及字典建立一個識別網絡，根據搜索算法在該網絡中尋找最佳的一條路徑，這個路徑就是能夠以最大概率輸出該語音信號的詞串，這樣就確定這個語音樣本所包含的文字了。所以，解碼操作即指搜索算法，即在解碼端通過搜索技術尋找最優(yōu)詞串的方法。

以上便是小編此次帶來的有關語音識別技術的全部內容，十分感謝大家的耐心閱讀，想要了解更多相關內容，或者更多精彩內容，請一定關注我們網站哦。