（文章來源：讀芯術）

自動語音識別(ASR)是一種將口語轉(zhuǎn)換為文本的過程。該技術正在不斷應用于即時通訊應用程序、搜索引擎、車載系統(tǒng)和家庭自動化中。盡管所有這些系統(tǒng)都依賴于略有不同的技術流程，但這些所有系統(tǒng)的第一步都是相同的：捕獲語音數(shù)據(jù)并將其轉(zhuǎn)換為機器可讀的文本。

但 ASR 系統(tǒng)如何工作？它如何學會辨別語音？本文將簡要介紹自動語音識別。我們將研究語音轉(zhuǎn)換成文本的過程、如何構建ASR 系統(tǒng)以及未來對ASR技術的期望。ASR 系統(tǒng)：它們?nèi)绾芜\作？因此，從基礎層面來看，我們知道自動語音識別看起來如下：音頻數(shù)據(jù)輸入，文本數(shù)據(jù)輸出。

但是，從輸入到輸出，音頻數(shù)據(jù)需要變成機器可讀的數(shù)據(jù)。這意味著數(shù)據(jù)通過聲學模型和語言模型進行發(fā)送。這兩個過程是這樣的：聲學模型確定了語言中音頻信號和語音單位之間的關系，而語言模型將聲音與單詞及單詞序列進行匹配。這兩個模型允許 ASR 系統(tǒng)對音頻輸入進行概率檢查，以預測其中的單詞和句子。然后，系統(tǒng)會選出具有最高置信度等級的預測。*

*有時語言模型可以優(yōu)先考慮某些因其他因素而被認為更有可能的預測。在這里，值得一提的是，如果自動語音識別系統(tǒng)是語音用戶界面的一部分，則 ASR 模型將不是唯一在運行的機器學習模型。許多自動語音識別系統(tǒng)都與自然語言處理 (NLP) 和文本語音轉(zhuǎn)換 (TTS) 系統(tǒng)配合使用，以執(zhí)行其給定的角色。也就是說，深入研究語音用戶界面本身就是個完整的話題。

那么，現(xiàn)在知道了 ASR 系統(tǒng)如何運作，但需要構建什么？關鍵是數(shù)據(jù)。建立 ASR 系統(tǒng)：數(shù)據(jù)的重要性。優(yōu)秀的 ASR 系統(tǒng)應該具有靈活性。它需要識別各種各樣的音頻輸入（語音樣本），并根據(jù)該數(shù)據(jù)做出準確的文本輸出，以便做出相應的反應。

為實現(xiàn)這一點，ASR 系統(tǒng)需要的數(shù)據(jù)是標記的語音樣本和轉(zhuǎn)錄形式。比這要復雜一些（例如，數(shù)據(jù)標記過程非常重要且經(jīng)常被忽略），但為了讓大家明白，在此將其簡化。ASR 系統(tǒng)需要大量的音頻數(shù)據(jù)。為什么？因為語言很復雜。對同一件事有很多種講述方式，句子的意思會隨著單詞的位置和重點而改變。還考慮到世界上有很多不同的語言，在這些語言中，發(fā)音和單詞選擇可能會因地理位置和口音等因素而不同。

哦，別忘了語言也因年齡和性別而有所不同！考慮到這一點，為 ASR系統(tǒng)提供的語音樣本越多，它在識別和分類新語音輸入方面越好。從各種各樣的聲音和環(huán)境中獲取的樣本越多，系統(tǒng)越能在這些環(huán)境中識別聲音。通過專門的微調(diào)和維護，自動語音識別系統(tǒng)將在使用過程中得到改進。

因此，從最基本的角度來看，數(shù)據(jù)越多越好。的確，目前進行的研究和優(yōu)化較小數(shù)據(jù)集相關，但目前大多數(shù)模型仍需要大量數(shù)據(jù)才能發(fā)揮良好的性能。幸運的是，得益于數(shù)據(jù)集存儲庫和專用的數(shù)據(jù)收集服務，音頻數(shù)據(jù)的收集變得越發(fā)簡單。這反過來又增加了技術發(fā)展的速度，那么，接下來簡單了解一下，未來自動語音識別能在哪些方面大展身手。

ASR 技術已融身于社會。虛擬助手、車載系統(tǒng)和家庭自動化都讓日常生活更加便利，應用范圍也可能擴大。隨著越來越多的人接納這些服務，技術將進一步發(fā)展。
? ? ?