（文章來(lái)源：新華網(wǎng)）

語(yǔ)言是人與人傳達(dá)和獲取信息的重要工具。隨著社會(huì)的發(fā)展，讓機(jī)器聽懂人的語(yǔ)言已從夢(mèng)想變成了現(xiàn)實(shí)。我們知道當(dāng)聲音通過(guò)媒介傳到人的耳朵里，大腦會(huì)對(duì)語(yǔ)音進(jìn)行處理并形成自己的理解，然后用語(yǔ)言或者行動(dòng)應(yīng)答。那么計(jì)算機(jī)是如何聽懂人類語(yǔ)言的？這就要靠人機(jī)交互的重要技術(shù)——語(yǔ)音識(shí)別技術(shù)。

語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令。人與人之間的語(yǔ)言溝通會(huì)因?yàn)殡p方背景、文化程度、經(jīng)驗(yàn)范圍的不同，造成信息溝通不暢，讓機(jī)器準(zhǔn)確識(shí)別語(yǔ)音并理解則更加復(fù)雜。機(jī)器識(shí)別語(yǔ)音需要應(yīng)對(duì)不同的聲音、不同的語(yǔ)速、不同的內(nèi)容以及不同的環(huán)境。語(yǔ)音信號(hào)具有多變性、動(dòng)態(tài)性、瞬時(shí)性和連續(xù)性等特點(diǎn)，這些原因都是語(yǔ)音識(shí)別發(fā)展的制約條件。

20世紀(jì)50年代，AT&T貝爾實(shí)驗(yàn)室研發(fā)的Audry系統(tǒng)是世界上第一個(gè)可以識(shí)別10個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)。20世紀(jì)80年代末，語(yǔ)音識(shí)別研究取得了重大突破，解決了大詞匯量、連續(xù)語(yǔ)音和非特定人這三大障礙，首次把這三個(gè)特性都集成在一個(gè)系統(tǒng)中，比較有代表性的是卡耐基梅隆大學(xué)研發(fā)的Sphinx系統(tǒng)。20世紀(jì)90年代前期，各大公司都斥巨資進(jìn)行語(yǔ)音識(shí)別系統(tǒng)的實(shí)用化研究。

目前的語(yǔ)音識(shí)別技術(shù)主要包括特征參數(shù)提取技術(shù)、模式匹配及模型訓(xùn)練技術(shù)。特征提取技術(shù)是將語(yǔ)音信號(hào)中有用的特征參數(shù)信息從所有信息中提取出來(lái)的技術(shù)。通過(guò)分析處理，刪除冗余信息，留下關(guān)鍵信息。模式匹配則是根據(jù)一定準(zhǔn)則，使未知模式與模型庫(kù)中的某一個(gè)模型獲得最佳匹配。模型訓(xùn)練是指按照一定的準(zhǔn)則，從大量已知模式中獲取表征該模式本質(zhì)特征的模型參數(shù)。

語(yǔ)音識(shí)別技術(shù)發(fā)展至今，在識(shí)別精度上已經(jīng)達(dá)到了相當(dāng)高的水平。尤其是中小詞匯量對(duì)非特定人語(yǔ)音識(shí)別系統(tǒng)識(shí)別精度已經(jīng)大于98%，而對(duì)特定人語(yǔ)音識(shí)別精度更高。現(xiàn)如今的語(yǔ)音識(shí)別準(zhǔn)確度已經(jīng)能夠滿足人們?nèi)粘?yīng)用的需求，很多手機(jī)、智能音箱、電腦都已經(jīng)帶有語(yǔ)音識(shí)別功能，十分便利。

按照目前語(yǔ)音識(shí)別技術(shù)的發(fā)展勢(shì)頭，未來(lái)是否可以實(shí)現(xiàn)人類和機(jī)器人之間無(wú)障礙交談，就像在科技電影中看到的情景一樣呢？盡管語(yǔ)音識(shí)別研究機(jī)構(gòu)花了幾十年的時(shí)間去研究如何實(shí)現(xiàn)語(yǔ)音識(shí)別準(zhǔn)確率的“人類對(duì)等”，但目前在某些方面還無(wú)法達(dá)到高水平，比如在嘈雜環(huán)境下較遠(yuǎn)的麥克風(fēng)的語(yǔ)音識(shí)別、方言識(shí)別或較少人使用的語(yǔ)言的語(yǔ)音識(shí)別等情況。

語(yǔ)音識(shí)別技術(shù)的發(fā)展為人們的工作和生活都提供了便利，很多繁瑣步驟依靠一條語(yǔ)音指令即可完成?，F(xiàn)如今智能家居處于發(fā)展初期，但依靠語(yǔ)音識(shí)別技術(shù)已經(jīng)能夠完整搭建一套智能家居系統(tǒng)。未來(lái)，語(yǔ)音識(shí)別技術(shù)會(huì)在各個(gè)方面展現(xiàn)出更多可能性。
? ? ?