語音識(shí)別技術(shù)包括哪些

今天，小編將在這篇文章中為大家?guī)?a href="/tags/語音識(shí)別" target="_blank">語音識(shí)別技術(shù)的有關(guān)報(bào)道，通過閱讀這篇文章，大家可以對(duì)語音識(shí)別技術(shù)具備清晰的認(rèn)識(shí)，主要內(nèi)容如下。

一、語音識(shí)別技術(shù)

語音識(shí)別技術(shù)，也被稱為自動(dòng)語音識(shí)別(Automatic Speech Recognition，ASR)，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說話人識(shí)別及說話人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。

語音識(shí)別技術(shù)屬于人工智能方向的一個(gè)重要分支，涉及許多學(xué)科，如信號(hào)處理、計(jì)算機(jī)科學(xué)、語言學(xué)、聲學(xué)、生理學(xué)、心理學(xué)等，是人機(jī)自然交互技術(shù)中的關(guān)鍵環(huán)節(jié)。語音識(shí)別較語音合成而言，技術(shù)上要復(fù)雜，但應(yīng)用卻更加廣泛。語音識(shí)別ASR的最大優(yōu)勢在于使得人機(jī)用戶界面更加自然和容易使用。

對(duì)于自動(dòng)語音識(shí)別的探索，實(shí)際是早于計(jì)算機(jī)的出現(xiàn)的，早期的聲碼器可以看作是語音合成和識(shí)別技術(shù)的雛形，20世紀(jì)20年代出現(xiàn)的“Radio Rex”玩具狗也許是人類歷史上最早的語音識(shí)別機(jī)?，F(xiàn)代自動(dòng)語音識(shí)別技術(shù)可以追溯到上世紀(jì)50年代貝爾實(shí)驗(yàn)室的 研究員使用模擬元器件，提取分析元音的共振峰信息，實(shí)現(xiàn)了十個(gè)英文孤立數(shù)字的識(shí)別功能。到了50年代末，統(tǒng)計(jì)語法的概念被倫敦大學(xué)學(xué)院的研究者首次加入到語音識(shí)別中(Fry，1959)，具有識(shí)別輔音和元音音素功能的識(shí)別器問世。在同一時(shí)期，用于特定環(huán)境中面向非特定人10個(gè)元音的音紊識(shí)別器也在麻省理工大學(xué)的林肯實(shí)驗(yàn)室被研制出來。概率在不確定性數(shù)據(jù)管理中扮演重要角色，但多重概率的出現(xiàn)也極大的加大了數(shù)據(jù)處理的繁雜度。

二、語音識(shí)別技術(shù)包含哪些

語音識(shí)別技術(shù)主要包括以下幾個(gè)方面：

信號(hào)處理。對(duì)語音信號(hào)進(jìn)行分析處理，包括靜音處理、噪音處理、語音增強(qiáng)等，以消除外部環(huán)境對(duì)語音的影響，去除多余信息。

聲學(xué)特征提取。從處理后的語音信號(hào)中提取關(guān)鍵信息和表達(dá)語言含義的特征信息。

聲學(xué)模型處理。聲學(xué)模型是語音識(shí)別技術(shù)中最關(guān)鍵的部分，它提取語音特征矢量序列，計(jì)算發(fā)音模板的距離，生成聲學(xué)模型分?jǐn)?shù)。

語音模型技術(shù)。語音模型對(duì)語音識(shí)別技術(shù)也非常重要，通常采用的是統(tǒng)計(jì)語法的語音模型、語義和語法結(jié)構(gòu)命令語言模型，對(duì)語法和語義進(jìn)行分析，減少搜索空間，提高系統(tǒng)識(shí)別率。

模式識(shí)別和機(jī)器學(xué)習(xí)算法。包括動(dòng)態(tài)時(shí)間規(guī)整(DTW)、支持向量機(jī)(SVM)、矢量量化(VQ)、隱馬爾可夫模型(HMM)、高斯混合模型(GMM)、人工神經(jīng)網(wǎng)絡(luò)(ANN/BP)、深度神經(jīng)網(wǎng)絡(luò)/深信度網(wǎng)絡(luò)-隱馬爾科夫(DNN/DBN-HMM)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、長短時(shí)記憶模塊(LSTM)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)等。

自然語言處理技術(shù)。與其他自然語言處理技術(shù)如機(jī)器翻譯及語音合成技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用，例如語音到語音的翻譯。

語音識(shí)別技術(shù)的主要應(yīng)用包括語音撥號(hào)、語音導(dǎo)航、室內(nèi)設(shè)備控制、語音文檔檢索、簡單的聽寫數(shù)據(jù)錄入等。

完整的語音識(shí)別系統(tǒng)技術(shù)包含：

1、信號(hào)處理技術(shù)

對(duì)語音信號(hào)進(jìn)行分析處理，通過靜音處理、噪音處理、語音增強(qiáng)等方法，消除外部環(huán)境對(duì)語音的影響，去除多余信息。

2、聲學(xué)特征提取技術(shù)

接收信號(hào)處理后等到的有效信號(hào)，對(duì)波形進(jìn)行聲學(xué)特征提取，提取關(guān)鍵信息和表達(dá)語言含義的特征信息。

3、聲學(xué)模型處理技術(shù)

聲學(xué)模型是語音識(shí)別技術(shù)中最關(guān)鍵的部分，它可以提取語音特征矢量序列，計(jì)算發(fā)音模板的距離，生成聲學(xué)模型分?jǐn)?shù)。

4、語音模型技術(shù)

語音模型對(duì)語音識(shí)別技術(shù)也非常的重要，通常采用的是統(tǒng)計(jì)語法的語音模型、語義和語法結(jié)構(gòu)命令語言模型為主，對(duì)語法和語義進(jìn)行分析，減少搜索空間，提高系統(tǒng)識(shí)別率。

上述所有信息便是小編這次為大家推薦的有關(guān)語音識(shí)別技術(shù)的內(nèi)容，希望大家能夠喜歡，想了解更多有關(guān)它的信息或者其它內(nèi)容，請(qǐng)關(guān)注我們網(wǎng)站哦。