所謂“語(yǔ)音識(shí)別”,就是利用電子計(jì)算機(jī)等機(jī)械裝置來(lái)識(shí)別人講話的意義和內(nèi)容。20世紀(jì)50代,就有人提出“口授打印機(jī)”的設(shè)恕?？梢哉f(shuō),這是有關(guān)語(yǔ)音識(shí)別技術(shù)最早構(gòu)想。

語(yǔ)音識(shí)別技術(shù)經(jīng)歷了語(yǔ)音識(shí)別、語(yǔ)音合成以及自然語(yǔ)音合成3個(gè)階段。從原理上講,似乎讓計(jì)算機(jī)識(shí)別人的語(yǔ)言并不難,其實(shí)困難還是不少的。例如,不同的人讀同一個(gè)詞所發(fā)出的音在聲學(xué)特征上卻不完全相同;即便是同一個(gè)人,右不同情況下對(duì)同一個(gè)字的發(fā)音也不相同。加上人們講話時(shí)常有不合語(yǔ)法規(guī)律的情況,有時(shí)還夾雜些俗語(yǔ),或省略一些詞語(yǔ),而且語(yǔ)速變化不定。所有這些,在我們聽別人講話時(shí)似乎都不成為問(wèn)題,但讓機(jī)器理解則很是困難。近年來(lái),由于計(jì)算機(jī)功能的日益強(qiáng)大,存儲(chǔ)技術(shù)、語(yǔ)音算法技術(shù)和信號(hào)處理技術(shù)的長(zhǎng)足進(jìn)步,以及軟件編程水平的提高,語(yǔ)音識(shí)別技術(shù)已經(jīng)取得突破性的進(jìn)展,使它的廣泛應(yīng)用成為可能?！?

語(yǔ)音識(shí)別技術(shù)的應(yīng)用主要有以下兩個(gè)方面。一是用于人機(jī)交流。目前這方面應(yīng)用的呼聲很高,因?yàn)槭褂面I盤、鼠標(biāo)與電子計(jì)算機(jī)進(jìn)行交流的這種方式,使許多非專業(yè)人員,特別是不懂英語(yǔ)或不熟悉漢語(yǔ)拼音的人被拒之于門外,影響到電子計(jì)算機(jī)的進(jìn)一步普及。語(yǔ)音識(shí)別技術(shù)的采用,改變了人與計(jì)算機(jī)的互動(dòng)模式,人們只需動(dòng)動(dòng)口,就能打開或關(guān)閉程序,改變工作界面。這種使電腦人性化的結(jié)果是使人的雙手得到解放,使每個(gè)人都能操作和應(yīng)用計(jì)算機(jī)。電話仍是目前使用最為普遍的通信工具,通過(guò)電話與語(yǔ)音識(shí)別系統(tǒng)的協(xié)同工作,可以實(shí)現(xiàn)語(yǔ)音撥號(hào)、電話購(gòu)物以及通過(guò)電話辦理銀行業(yè)務(wù)、炒股、上網(wǎng)檢索信息或處理電子件等。不久,能按主人口令接通電話、打開收音機(jī),以及通過(guò)聲紋識(shí)別來(lái)者身份的安全系統(tǒng)也將獲得應(yīng)用。

語(yǔ)音識(shí)別技術(shù)的另一方面應(yīng)用便是語(yǔ)音輸入和合成語(yǔ)音輸出?，F(xiàn)在,已經(jīng)出現(xiàn)能將口述的文稿輸入計(jì)算機(jī)并按指定格式編排的語(yǔ)音軟件,它比通過(guò)鍵盤輸入在速度上要提高2～4倍。裝有語(yǔ)音軟件的電腦還能通過(guò)語(yǔ)音合成把計(jì)算機(jī)里的文件用各種語(yǔ)言“讀”出來(lái),這將大大推進(jìn)遠(yuǎn)程通信和網(wǎng)絡(luò)電話的發(fā)展。

在現(xiàn)階段,語(yǔ)音技術(shù)主要用于電子商務(wù)、客戶服務(wù)和教育培訓(xùn)等領(lǐng)域,它對(duì)于節(jié)省人力、時(shí)間,提高工作效率將起到明顯的作用。能實(shí)現(xiàn)自動(dòng)翻譯的語(yǔ)音識(shí)別系統(tǒng)目前也正在研究、完善之中。

語(yǔ)音識(shí)別是一門交叉學(xué)科。近二十年來(lái)，語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步，開始從實(shí)驗(yàn)室走向市場(chǎng)。人們預(yù)計(jì)，未來(lái) 10 年內(nèi)，語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。

計(jì)算機(jī)語(yǔ)音識(shí)別過(guò)程與人對(duì)語(yǔ)音識(shí)別處理過(guò)程基本上是一致的。目前主流的語(yǔ)音識(shí)別技術(shù)是基于統(tǒng)計(jì)模式識(shí)別的基本理論。一個(gè)完整的語(yǔ)音識(shí)別系統(tǒng)可大致分為三部分：

1、 語(yǔ)音特征提?。浩淠康氖菑恼Z(yǔ)音波形中提取出隨時(shí)間變化的語(yǔ)音特征序列。

2、 聲學(xué)模型與模式匹配（識(shí)別算法）：聲學(xué)模型通常將獲取的語(yǔ)音特征通過(guò)學(xué)習(xí)算法產(chǎn)生。在識(shí)別時(shí)將輸入的語(yǔ)音特征同聲學(xué)模型（模式）進(jìn)行匹配與比較，得到最佳的識(shí)別結(jié)果。

3、語(yǔ)言模型與語(yǔ)言處理：語(yǔ)言模型包括由識(shí)別語(yǔ)音命令構(gòu)成的語(yǔ)法網(wǎng)絡(luò)或由統(tǒng)計(jì)方法構(gòu)成的語(yǔ)言模型，語(yǔ)言處理可以進(jìn)行語(yǔ)法、語(yǔ)義分析。對(duì)小詞表語(yǔ)音識(shí)別系統(tǒng)，往往不需要語(yǔ)言處理部分.