語音識(shí)別技術(shù)原理

語音識(shí)別系統(tǒng)提示客戶在新的場(chǎng)合使用新的口令密碼，這樣使用者不需要記住固定的口令，系統(tǒng)也不會(huì)被錄音欺騙。文本相關(guān)的聲音識(shí)別方法可以分為動(dòng)態(tài)時(shí)間伸縮或隱馬爾可夫模型方法。文本無關(guān)聲音識(shí)別已經(jīng)被研究很長(zhǎng)時(shí)間了，不一致環(huán)境造成的性能下降是應(yīng)用中的一個(gè)很大的障礙。

其工作原理：

動(dòng)態(tài)時(shí)間伸縮方法使用瞬間的、變動(dòng)倒頻。1963年Bogertetal出版了《回聲的時(shí)序倒頻分析》。通過交換字母順序，他們用一個(gè)含義廣泛的詞匯定義了一個(gè)新的信號(hào)處理技術(shù)，倒頻譜的計(jì)算通常使用快速傅立葉變換。

從1975年起，隱馬爾可夫模型變得很流行。運(yùn)用隱馬爾可夫模型的方法，頻譜特征的統(tǒng)計(jì)變差得以測(cè)量。文本無關(guān)語音識(shí)別方法的例子有平均頻譜法、矢量量化法和多變量自回歸法。

平均頻譜法使用有利的倒頻距離，語音頻譜中的音位影響被平均頻譜去除。使用矢量量化法，語者的一套短期訓(xùn)練的特征向量可以直接用來描繪語者的本質(zhì)特征。但是，當(dāng)訓(xùn)練向量的數(shù)量很大時(shí)，這種直接的描繪是不切實(shí)際的，因?yàn)榇鎯?chǔ)和計(jì)算的量變得離奇的大。所以嘗試用矢量量化法去尋找有效的方法來壓縮訓(xùn)練數(shù)據(jù)。Montacieetal在倒頻向量的時(shí)序中應(yīng)用多變量自回歸模式來確定語者特征，取得了很好的效果。

想騙過語音識(shí)別系統(tǒng)要有高質(zhì)量的錄音機(jī)，那不是很容易買到的。一般的錄音機(jī)不能記錄聲音的完整頻譜，錄音系統(tǒng)的質(zhì)量損失也必須是非常低的。對(duì)于大多數(shù)的語音識(shí)別系統(tǒng)，模仿的聲音都不會(huì)成功。用語音識(shí)別來辨認(rèn)身份是非常復(fù)雜的，所以語音識(shí)別系統(tǒng)會(huì)結(jié)合個(gè)人身份號(hào)碼識(shí)別或芯片卡。

語音識(shí)別系統(tǒng)得益于廉價(jià)的硬件設(shè)備，大多數(shù)的計(jì)算機(jī)都有聲卡和麥克風(fēng)，也很容易使用。但語音識(shí)別還是有一些缺點(diǎn)的。語音隨時(shí)間而變化，所以必須使用生物識(shí)別模板。語音也會(huì)由于傷風(fēng)、嗓音沙啞、情緒壓力或是青春期而變化。語音識(shí)別系統(tǒng)比指紋識(shí)別系統(tǒng)有著較高的誤識(shí)率，因?yàn)槿藗兊穆曇舨幌裰讣y那樣獨(dú)特和唯一。對(duì)快速傅立葉變換計(jì)算來說，系統(tǒng)需要協(xié)同處理器和比指紋系統(tǒng)更多的效能。目前語音識(shí)別系統(tǒng)不適合移動(dòng)應(yīng)用或以電池為電源的系統(tǒng)。

更多精彩閱讀：

語音識(shí)別的兩個(gè)方法_語音識(shí)別的應(yīng)用有哪些

語音識(shí)別的優(yōu)缺點(diǎn)_語音識(shí)別功能介紹

語音識(shí)別算法有哪些_語音識(shí)別特征提取方法

怎么實(shí)現(xiàn)語音識(shí)別_手機(jī)語音識(shí)別怎么設(shè)置

語音識(shí)別設(shè)置能刪除嗎_語音識(shí)別系統(tǒng)工作流程