語音識別是以語音為研究對象，通過語音信號處理和模式識別讓機器自動識別和理解人類口述的語言。語音識別技術(shù)就是讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語音識別是一門涉及面很廣的交叉學(xué)科，它與聲學(xué)、語音學(xué)、語言學(xué)、信息理論、模式識別理論以及神經(jīng)生物學(xué)等學(xué)科都有非常密切的關(guān)系。語音識別技術(shù)正逐步成為計算機信息處理技術(shù)中的關(guān)鍵技術(shù)，語音技術(shù)的應(yīng)用已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)。

　　1、語音識別的基本原理

　　語音識別系統(tǒng)本質(zhì)上是一種模式識別系統(tǒng)，包括特征提取、模式匹配、參考模式庫等三個基本單元，它的基本結(jié)構(gòu)如下圖所示：

　　未知語音經(jīng)過話筒變換成電信號后加在識別系統(tǒng)的輸入端，首先經(jīng)過預(yù)處理，再根據(jù)人的語音特點建立語音模型，對輸入的語音信號進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語音識別所需的模板。而計算機在識別過程中要根據(jù)語音識別的模型，將計算機中存放的語音模板與輸入的語音信號的特征進(jìn)行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入語音匹配的模板。然后根據(jù)此模板的定義，通過查表就可以給出計算機的識別結(jié)果。顯然，這種最優(yōu)的結(jié)果與特征的選擇、語音模型的好壞、模板是否準(zhǔn)確都有直接的關(guān)系。

　　2、語音識別技術(shù)的發(fā)展歷史及現(xiàn)狀

　　1952年，AT&TBell實驗室的Davis等人研制了第一個可十個英文數(shù)字的特定人語音增強系統(tǒng)一Audry系統(tǒng)1956年，美國普林斯頓大學(xué)RCA實驗室的Olson和Belar等人研制出能10個單音節(jié)詞的系統(tǒng)，該系統(tǒng)采用帶通濾波器組獲得的頻譜參數(shù)作為語音增強特征。1959年，F(xiàn)ry和Denes等人嘗試構(gòu)建音素器來4個元音和9個輔音，并采用頻譜分析和模式匹配進(jìn)行決策。這就大大提高了語音識別的效率和準(zhǔn)確度。從此計算機語音識別的受到了各國科研人員的重視并開始進(jìn)入語音識別的研究。60年代，蘇聯(lián)的Matin等提出了語音結(jié)束點的端點檢測，使語音識別水平明顯上升；Vintsyuk提出了動態(tài)編程，這一提法在以后的識別中不可或缺。60年代末、70年代初的重要成果是提出了信號線性預(yù)測編碼（LPC）技術(shù)和動態(tài)時間規(guī)整（DTW）技術(shù)，有效地解決了語音信號的特征提取和不等長語音匹配問題；同時提出了矢量量化（VQ）和隱馬爾可夫模型（HMM）理論。語音識別技術(shù)與語音合成技術(shù)結(jié)合使人們能夠擺脫鍵盤的束縛，取而代之的是以語音輸入這樣便于使用的、自然的、人性化的輸入方式，它正逐步成為信息技術(shù)中人機接口的關(guān)鍵技術(shù)。

　　3、語音識別的方法

　　目前具有代表性的語音識別方法主要有動態(tài)時間規(guī)整技術(shù)（DTW）、隱馬爾可夫模型（HMM）、矢量量化（VQ）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機（SVM）等方法。

　　動態(tài)時間規(guī)整算法（Dynamic Time Warping，DTW）是在非特定人語音識別中一種簡單有效的方法，該算法基于動態(tài)規(guī)劃的思想，解決了發(fā)音長短不一的模板匹配問題，是語音識別技術(shù)中出現(xiàn)較早、較常用的一種算法。在應(yīng)用DTW算法進(jìn)行語音識別時，就是將已經(jīng)預(yù)處理和分幀過的語音測試信號和參考語音模板進(jìn)行比較以獲取他們之間的相似度，按照某種距離測度得出兩模板間的相似程度并選擇最佳路徑。

　　隱馬爾可夫模型（HMM）是語音信號處理中的一種統(tǒng)計模型，是由Markov鏈演變來的，所以它是基于參數(shù)模型的統(tǒng)計識別方法。由于其模式庫是通過反復(fù)訓(xùn)練形成的與訓(xùn)練輸出信號吻合概率最大的最佳模型參數(shù)而不是預(yù)先儲存好的模式樣本，且其識別過程中運用待識別語音序列與HMM參數(shù)之間的似然概率達(dá)到最大值所對應(yīng)的最佳狀態(tài)序列作為識別輸出，因此是較理想的語音識別模型。

　　矢量量化（Vector Quantization）是一種重要的信號壓縮方法。與HMM相比，矢量量化主要適用于小詞匯量、孤立詞的語音識別中。其過程是將若干個語音信號波形或特征參數(shù)的標(biāo)量數(shù)據(jù)組成一個矢量在多維空間進(jìn)行整體量化。把矢量空間分成若干個小區(qū)域，每個小區(qū)域?qū)ふ乙粋€代表矢量，量化時落入小區(qū)域的矢量就用這個代表矢量代替。矢量量化器的設(shè)計就是從大量信號樣本中訓(xùn)練出好的碼書，從實際效果出發(fā)尋找到好的失真測度定義公式，設(shè)計出最佳的矢量量化系統(tǒng)，用最少的搜索和計算失真的運算量實現(xiàn)最大可能的平均信噪比。

　　在實際的應(yīng)用過程中，人們還研究了多種降低復(fù)雜度的方法，包括無記憶的矢量量化、有記憶的矢量量化和模糊矢量量化方法。

　　人工神經(jīng)網(wǎng)絡(luò)（ANN）是20世紀(jì)80年代末期提出的一種新的語音識別方法。其本質(zhì)上是一個自適應(yīng)非線性動力學(xué)系統(tǒng)，模擬了人類神經(jīng)活動的原理，具有自適應(yīng)性、并行性、魯棒性、容錯性和學(xué)習(xí)特性，其強大的分類能力和輸入—輸出映射能力在語音識別中都很有吸引力。其方法是模擬人腦思維機制的工程模型，它與HMM正好相反，其分類決策能力和對不確定信息的描述能力得到舉世公認(rèn)，但它對動態(tài)時間信號的描述能力尚不盡如人意，通常MLP分類器只能解決靜態(tài)模式分類問題，并不涉及時間序列的處理。盡管學(xué)者們提出了許多含反饋的結(jié)構(gòu)，但它們?nèi)圆蛔阋钥坍嬛T如語音信號這種時間序列的動態(tài)特性。由于ANN不能很好地描述語音信號的時間動態(tài)特性，所以常把ANN與傳統(tǒng)識別方法結(jié)合，分別利用各自優(yōu)點來進(jìn)行語音識別而克服HMM和ANN各自的缺點。近年來結(jié)合神經(jīng)網(wǎng)絡(luò)和隱含馬爾可夫模型的識別算法研究取得了顯著進(jìn)展，其識別率已經(jīng)接近隱含馬爾可夫模型的識別系統(tǒng)，進(jìn)一步提高了語音識別的魯棒性和準(zhǔn)確率。

　　支持向量機（Support vector machine）是應(yīng)用統(tǒng)計學(xué)理論的一種新的學(xué)習(xí)機模型，采用結(jié)構(gòu)風(fēng)險最小化原理（Structural Risk Minimization，SRM），有效克服了傳統(tǒng)經(jīng)驗風(fēng)險最小化方法的缺點。兼顧訓(xùn)練誤差和泛化能力，在解決小樣本、非線性及高維模式識別方面有許多優(yōu)越的性能，已經(jīng)被廣泛地應(yīng)用到模式識別領(lǐng)域。

　　4、語音識別系統(tǒng)的分類

　　語音識別系統(tǒng)可以根據(jù)對輸入語音的限制加以分類。如果從說話者與識別系統(tǒng)的相關(guān)性考慮，可以將識別系統(tǒng)分為三類：（1）特定人語音識別系統(tǒng)。僅考慮對于專人的話音進(jìn)行識別。（2）非特定人語音系統(tǒng)。識別的語音與人無關(guān)，通常要用大量不同人的語音數(shù)據(jù)庫對識別系統(tǒng)進(jìn)行學(xué)習(xí)。（3）多人的識別系統(tǒng)。通常能識別一組人的語音，或者成為特定組語音識別系統(tǒng)，該系統(tǒng)僅要求對要識別的那組人的語音進(jìn)行訓(xùn)練。

　　如果從說話的方式考慮，也可以將識別系統(tǒng)分為三類：（1）孤立詞語音識別系統(tǒng)。孤立詞識別系統(tǒng)要求輸入每個詞后要停頓。（2）連接詞語音識別系統(tǒng)。連接詞輸入系統(tǒng)要求對每個詞都清楚發(fā)音，一些連音現(xiàn)象開始出現(xiàn)。（3）連續(xù)語音識別系統(tǒng)。連續(xù)語音輸入是自然流利的連續(xù)語音輸入，大量連音和變音會出現(xiàn)。

　　如果從識別系統(tǒng)的詞匯量大小考慮，也可以將識別系統(tǒng)分為三類：（1）小詞匯量語音識別系統(tǒng)。通常包括幾十個詞的語音識別系統(tǒng)。（2）中等詞匯量的語音識別系統(tǒng)。通常包括幾百個詞到上千個詞的識別系統(tǒng)。（3）大詞匯量語音識別系統(tǒng)。通常包括幾千到幾萬個詞的語音識別系統(tǒng)。隨著計算機與數(shù)字信號處理器運算能力以及識別系統(tǒng)精度的提高，識別系統(tǒng)根據(jù)詞匯量大小進(jìn)行分類也不斷進(jìn)行變化。目前是中等詞匯量的識別系統(tǒng)，將來可能就是小詞匯量的語音識別系統(tǒng)。這些不同的限制也確定了語音識別系統(tǒng)的困難度。

　　5、語音識別的應(yīng)用

　　語音識別可以應(yīng)用的領(lǐng)域大致分為大五類：

　　辦公室或商務(wù)系統(tǒng)。典型的應(yīng)用包括：填寫數(shù)據(jù)表格、數(shù)據(jù)庫管理和控制、鍵盤功能增強等等。

　　制造業(yè)：在質(zhì)量控制中，語音識別系統(tǒng)可以為制造過程提供一種“不用手”、“不用眼”的檢控（部件檢查）。

　　電信：相當(dāng)廣泛的一類應(yīng)用在撥號電話系統(tǒng)上都是可行的，包括話務(wù)員協(xié)助服務(wù)的自動化、國際國內(nèi)遠(yuǎn)程電子商務(wù)、語音呼叫分配、語音撥號、分類訂貨。

　　醫(yī)療：這方面的主要應(yīng)用是由聲音來生成和編輯專業(yè)的醫(yī)療報告。

　　其他：包括由語音控制和操作的游戲和玩具、幫助殘疾人的語音識別系統(tǒng)、車輛行駛中一些非關(guān)鍵功能的語音控制，如車載交通路況控制系統(tǒng)、音響系統(tǒng)。

　　6、語音識別系統(tǒng)的最新發(fā)展

　　語音識別技術(shù)發(fā)展到今天，特別是中小詞匯量非特定人語音識別系統(tǒng)識別精度已經(jīng)大于98%，對特定人語音識別系統(tǒng)的識別精度就更高。這些技術(shù)已經(jīng)能夠滿足通常應(yīng)用的要求。由于大規(guī)模集成電路技術(shù)的發(fā)展，這些復(fù)雜的語音識別系統(tǒng)已經(jīng)完全可以制成專用芯片，大量生產(chǎn)。在西方經(jīng)濟發(fā)達(dá)國家，大量的語音識別產(chǎn)品已經(jīng)進(jìn)入市場和服務(wù)領(lǐng)域。一些用戶交換機、電話機、手機已經(jīng)包含了語音識別撥號功能、語音記事本、語音智能玩具等產(chǎn)品，同時也包括語音識別與語音合成功能。人們可以通過電話網(wǎng)絡(luò)用語音識別口語對話系統(tǒng)查詢有關(guān)的機票、旅游、銀行信息。調(diào)查統(tǒng)計表明，多達(dá)85%以上的人對語音識別的信息查詢服務(wù)系統(tǒng)的性能表示滿意。可以預(yù)測，在近5年內(nèi)，語音識別系統(tǒng)的應(yīng)用將更加廣泛，各種各樣的語音識別系統(tǒng)產(chǎn)品將不斷出現(xiàn)在市場上。語音識別技術(shù)在人工郵件分揀中的作用也日益顯現(xiàn)，發(fā)展前景誘人。一些發(fā)達(dá)國家的郵政部門已經(jīng)使用了這一系統(tǒng)，語音識別技術(shù)逐漸成為郵件分揀的新技術(shù)。它可以克服手工分揀單純依靠分揀員記憶力的不足，解決人員成本過高的問題，提高郵件處理的效率和效益。就教育領(lǐng)域來講，語音識別技術(shù)的最直接的應(yīng)用就是幫助用戶更好地練習(xí)語言技巧。

　　語音識別技術(shù)的另一個發(fā)展分支就是電話語音識別技術(shù)的發(fā)展，貝爾實驗室是這方面的先驅(qū)，電話語音識別技術(shù)將能夠?qū)崿F(xiàn)電話查詢、自動接線以及一些專門業(yè)務(wù)如旅游信息等的操作。銀行應(yīng)用了語音理解技術(shù)的聲訊查詢系統(tǒng)后，可不分晝夜地為客戶提供二十四小時的電話銀行理財服務(wù)。而證券業(yè)方面，若是采用電話語音識別聲訊系統(tǒng)的話，用戶想查詢行情便可以直接講出股票名稱或代碼，而系統(tǒng)確認(rèn)用戶的要求后，會自動讀出最新的股票價，這將大大方便用戶。目前在114查號臺還有大量的人工服務(wù)，如果采用語音技術(shù)，就可讓計算機自動接聽用戶的需要，然后回放查詢的電話號碼，從而節(jié)約了人力資源。