（文章來源：新華網(wǎng)）

語言是人與人傳達(dá)和獲取信息的重要工具。隨著社會的發(fā)展，讓機器聽懂人的語言已從夢想變成了現(xiàn)實。我們知道當(dāng)聲音通過媒介傳到人的耳朵里，大腦會對語音進行處理并形成自己的理解，然后用語言或者行動應(yīng)答。那么計算機是如何聽懂人類語言的？這就要靠人機交互的重要技術(shù)——語音識別技術(shù)。

語音識別技術(shù)就是讓機器把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令。人與人之間的語言溝通會因為雙方背景、文化程度、經(jīng)驗范圍的不同，造成信息溝通不暢，讓機器準(zhǔn)確識別語音并理解則更加復(fù)雜。機器識別語音需要應(yīng)對不同的聲音、不同的語速、不同的內(nèi)容以及不同的環(huán)境。語音信號具有多變性、動態(tài)性、瞬時性和連續(xù)性等特點，這些原因都是語音識別發(fā)展的制約條件。

20世紀(jì)50年代，AT&T貝爾實驗室研發(fā)的Audry系統(tǒng)是世界上第一個可以識別10個英文數(shù)字的語音識別系統(tǒng)。20世紀(jì)80年代末，語音識別研究取得了重大突破，解決了大詞匯量、連續(xù)語音和非特定人這三大障礙，首次把這三個特性都集成在一個系統(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行語音識別系統(tǒng)的實用化研究。

目前的語音識別技術(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)是將語音信號中有用的特征參數(shù)信息從所有信息中提取出來的技術(shù)。通過分析處理，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中的某一個模型獲得最佳匹配。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)。

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

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

語音識別技術(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，但依靠語音識別技術(shù)已經(jīng)能夠完整搭建一套智能家居系統(tǒng)。未來，語音識別技術(shù)會在各個方面展現(xiàn)出更多可能性。
? ? ?