從前年開始，海外谷歌、亞馬遜、蘋果、微軟、三星，國內(nèi)阿里、小米、京東等都已先后涉足智能音箱這一領(lǐng)域。隨著其快速發(fā)展，作為核心技術(shù)之一的語音識(shí)別技術(shù)也逐步進(jìn)入人們的視線，本篇我們就來談?wù)務(wù)Z音識(shí)別技術(shù)。

語音識(shí)別技術(shù)簡介

語音識(shí)別，也被稱為自動(dòng)語音識(shí)別（Automatic Speech Recognition，ASR）技術(shù)，就是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)，也就是讓機(jī)器聽懂人類的語音。

所謂聽懂，有兩層意思，一是指把用戶所說的話逐詞逐句轉(zhuǎn)換成文本；二是指正確理解語音中所包含的要求，作出正確的應(yīng)答。

語音識(shí)別技術(shù)目前在桌面系統(tǒng)、智能手機(jī)、導(dǎo)航設(shè)備等嵌入式領(lǐng)域均有一定程度的應(yīng)用。

語音識(shí)別系統(tǒng)及過程

不同的語音識(shí)別系統(tǒng)，雖然具體實(shí)現(xiàn)細(xì)節(jié)有所不同，但所采用的基本技術(shù)相似，一個(gè)典型語音識(shí)別系統(tǒng)的實(shí)現(xiàn)過程如下圖所示。

語音識(shí)別的基本過程有兩個(gè)部分組成。一是學(xué)習(xí)和訓(xùn)練，二是識(shí)別過程。

訓(xùn)練（Training）：預(yù)先分析出語音特征參數(shù)，制作語音模板（Template）并存放在語音參數(shù)庫中。

識(shí)別（Recognition）：待識(shí)語音經(jīng)過與訓(xùn)練時(shí)相同的分析，得到語音參數(shù)，將它與庫中的參考模板一一比較，并采用判決的方法找出最接近語音特征的模板，得出識(shí)別效果。

語音識(shí)別系統(tǒng)的分類

（1）根據(jù)對(duì)說話人說話方式的要求，可以分為孤立字（詞）語音識(shí)別系統(tǒng)，連接字語音識(shí)別系統(tǒng)以及連續(xù)語音識(shí)別系統(tǒng)。

孤立單詞識(shí)別（Isolated Word Recognition）：識(shí)別的單元為字、詞或短語，它們組成識(shí)別的詞匯表（Vocabulary），對(duì)它們中的每一個(gè)通過訓(xùn)練建立模板或模型。

連續(xù)單詞識(shí)別（Connected Word Recognition）：以比較少的詞匯為對(duì)象，能夠完全識(shí)別每個(gè)詞。識(shí)別的詞匯表和標(biāo)準(zhǔn)樣板或模型也是字、詞或短語，但識(shí)別時(shí)可以是它們中間幾個(gè)的連續(xù)。

連續(xù)語音識(shí)別（Continuous Speech Recognition）：以多數(shù)詞匯為對(duì)象，待識(shí)語音是一些完整的句子。雖不能完全準(zhǔn)確識(shí)別每個(gè)單詞，但能夠理解其意義，連續(xù)語音識(shí)別也叫會(huì)話語音識(shí)別。可理解為在語音識(shí)別之后，根據(jù)語言學(xué)知識(shí)來推斷語音的含義內(nèi)容。

（2）根據(jù)對(duì)說話人的依賴程度可以分為特定人和非特定人語音識(shí)別系統(tǒng)。

特定人語音識(shí)別（Speaker-Dependent）：語音識(shí)別的標(biāo)準(zhǔn)模板或模型只適應(yīng)于某個(gè)人。實(shí)際上，該模板或模型就是該人通過輸入詞匯表中的每個(gè)字、詞或短語的語音建立起來的。其他人使用時(shí)，需同樣建立自己的標(biāo)準(zhǔn)模板或模型。

非特定人語音識(shí)別（Speaker-Independent）：語音識(shí)別的標(biāo)準(zhǔn)模板或模型適應(yīng)于指定的某一范疇的說話人（比如標(biāo)準(zhǔn)普通話），標(biāo)準(zhǔn)模板或模型由該范疇的多個(gè)人通過訓(xùn)練而產(chǎn)生。識(shí)別時(shí)可供參加訓(xùn)練的發(fā)音人使用，也可供未參加訓(xùn)練的同一范疇的發(fā)音人使用。

（3）根據(jù)詞匯量大小，可以分為有限詞匯以及無限詞匯量語音識(shí)別系統(tǒng)。

有限詞匯識(shí)別：按詞匯表中字、詞或短句個(gè)數(shù)的多少，大致分為:100以下小詞匯量；100-1000中等詞匯量；1000以上為大詞匯量。

無限詞匯識(shí)別（全音節(jié)識(shí)別）：當(dāng)識(shí)別基元為漢語普通話中對(duì)應(yīng)所有漢字的可讀音節(jié)時(shí)，稱其為全音節(jié)語音識(shí)別，是實(shí)現(xiàn)無線詞匯或中文文本輸入的基礎(chǔ)。

語音識(shí)別技術(shù)的“前世今生”

下面我們來看看語音識(shí)別技術(shù)的“前世今生”：

（1）起始階段

1952年AT& T Bell實(shí)驗(yàn)室實(shí)現(xiàn)了一個(gè)單一發(fā)音人孤立發(fā)音的十個(gè)英文數(shù)字的語音識(shí)別系統(tǒng)，方法主要是度量每個(gè)數(shù)字的元音音段的共振峰。

1960年英國的Denes等人研究成功了第一個(gè)計(jì)算機(jī)語音識(shí)別系統(tǒng)。在此期間，提出的一些思想沿用至今。

理論：模式識(shí)別思想、動(dòng)態(tài)規(guī)劃算法、時(shí)間規(guī)劃算法、動(dòng)態(tài)因素跟蹤法。

（2）快速發(fā)展階段

70年代孤立詞發(fā)音和孤立語句發(fā)音的識(shí)別成為了可行的有用技術(shù)，大規(guī)模的語音識(shí)別研究在這個(gè)時(shí)期得到很大的發(fā)展。

80年代研究的重點(diǎn)轉(zhuǎn)向了詞匯量的積累，以及連續(xù)的語音識(shí)別，也就是從傳統(tǒng)的基于標(biāo)準(zhǔn)模板匹配的技術(shù)思路轉(zhuǎn)變基于統(tǒng)計(jì)模型的技術(shù)思路。此外，再次提出了將神經(jīng)網(wǎng)絡(luò)技術(shù)引入語音識(shí)別的技術(shù)思路。

理論：聲學(xué)模型—隱馬爾科夫模型（Hidden Markov Model，HMM）

語言模型—N-gram模型

（3）應(yīng)用開發(fā)

90年代，語音識(shí)別研究的重點(diǎn)轉(zhuǎn)向自然語言的識(shí)別處理，任務(wù)轉(zhuǎn)移到航空旅行信息的索取。同時(shí)，語音識(shí)別技術(shù)不斷應(yīng)用于電話網(wǎng)絡(luò)，增強(qiáng)話務(wù)員服務(wù)和自動(dòng)化。

2000年以來，人機(jī)語音交互成為研究的焦點(diǎn)。研究重點(diǎn)包括即興口語的識(shí)別和理解，自然口語對(duì)話，以及多語種的語音同聲翻譯。

理論：聲學(xué)模型—隱馬爾科夫模型—深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，DNN）

語言模型—N-gram模型—反饋神經(jīng)網(wǎng)絡(luò)（Feedback Neural Network，F(xiàn)NN）

語音識(shí)別領(lǐng)域公司

科大訊飛，騰訊，百度，蘇州思必馳，捷通華聲，云知聲等等。

結(jié)語

隨著語音識(shí)別技術(shù)的不斷發(fā)展，無論是Siri、Echo，還是其他的智能語音助手都可以接觸和管理消息、郵件和日程帳號(hào)，還能控制聯(lián)網(wǎng)家居，播放音樂，甚至完成網(wǎng)絡(luò)搜索或者更多的事情。而我們，只需滿懷期待。