語音識別技術(shù)基本成型，但發(fā)展過程中仍遭遇瓶頸

（文章來源：最極客）
? ? ?? 目前，語音識別技術(shù)基本成型，處于較為成熟的狀態(tài)。例如在語音識別的Switchboard任務(wù)方面，最新的IBM已經(jīng)能將錯誤率控制在5.5%之下，有經(jīng)驗的轉(zhuǎn)寫人員在這個任務(wù)中可以達到4%之下。因此，這類安靜環(huán)境下的語音識別系統(tǒng)已經(jīng)近似于人類水平。

目前的進展多處于應(yīng)用層面。語音合成技術(shù)被應(yīng)用在更多領(lǐng)域，而且從原始的機器聲音已經(jīng)進化到能夠發(fā)出自然人的聲音的程度，甚至現(xiàn)在出現(xiàn)各種明星聲音的語音助手。在語音識別方面，市面上已經(jīng)出現(xiàn)了針對方言口音的語音軟件。在語義理解方面，聊天機器人正處在迅速進化的過程中，甚至能夠講笑話。在語音喚醒方面，智能音箱等產(chǎn)品大量出現(xiàn)。雖然在這些應(yīng)用中，許多產(chǎn)品并沒有達到高層智能的水平，但也給語音識別技術(shù)指明了方向。

實際上，語音識別技術(shù)在發(fā)音規(guī)范且背景噪音可控的環(huán)境下，在很多年前就能夠進入應(yīng)用階段。不少尖端系統(tǒng)在工程水平很高的情況下還可以做的更好，如早期的Siri及DARPA項目語音識別評測中的各種參賽系統(tǒng)。但在飛速進步的過程中，語音識別仍無法避免遇到某些瓶頸。

在強噪聲干擾的情況下，目前的語音識別系統(tǒng)還很難達到實用化要求。在自然發(fā)音、噪聲、口音等復(fù)雜條件下，語音識別的準(zhǔn)確率明顯下降。此外，語音的訓(xùn)練和測試用數(shù)據(jù)的匹配也并不十分契合。想要解決環(huán)境復(fù)雜的問題，除了高超的技術(shù)之外，聲學(xué)模型自適應(yīng)等也是不錯的方式。對于匹配問題則可以更加偏向研究方向，對語音本質(zhì)進行更為深入的理解。

例如在人類的聽覺系統(tǒng)中，存在一種“雞尾酒會效應(yīng)”：人類在具有背景噪聲干擾的情況下，依然能夠?qū)⒆⒁饬性谀骋粋€人的談話上?？梢詫⑷祟惵犛X系統(tǒng)的這種功能賦予語音識別系統(tǒng)，但就目前的技術(shù)而言依然很難實現(xiàn)。同時，遠(yuǎn)場識別也依然是個充滿挑戰(zhàn)性的問題。當(dāng)前，語音識別的遠(yuǎn)場錯誤率是近場的兩倍左右。因此，解決遠(yuǎn)場及強噪聲干擾情況下的語音識別是當(dāng)前的一個有待進一步研究的問題。

對于這個問題，目前的主要解決方法是語音識別和麥克風(fēng)陣列相結(jié)合。通過陣列信號處理技術(shù)，增強多通道語音技術(shù)，而后利用深度學(xué)習(xí)的方法進行聲學(xué)建模。當(dāng)然，這種方案有待于進步和優(yōu)化，并且要考慮多方面的問題。如怎樣將陣列信號處理技術(shù)和深度學(xué)習(xí)方法相結(jié)合，利用陣列信號處理的相關(guān)知識指導(dǎo)深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計，以便直接從多通道語音信號中學(xué)習(xí)多通道語音增強方法，而后和后端聲學(xué)模型聯(lián)合優(yōu)化等。

另外，個體發(fā)音以及用詞習(xí)慣都存在差異性，所以如何使得語音識別更加智能化也是一個問題?？梢钥吹?，語音識別已經(jīng)走到一個相對成熟的發(fā)展階段，未來也會在應(yīng)用級市場普及，但在發(fā)展過程中仍然存在許多瓶頸。生物技術(shù)識別方式先進而便捷，但人們不免擔(dān)心其中所涉及到的隱私問題。

當(dāng)然，目前語音識別技術(shù)并未大規(guī)模普及，但在那一天到來之前，人們需要彌補語音識別技術(shù)中存在的瓶頸。其實對于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)而言，一切都只是時間問題。足夠的語音數(shù)據(jù)加上足夠的訓(xùn)練，語音識別技術(shù)的發(fā)展還是值得期待的。