語音識別技術(shù)的分類及識別方法

語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，其目標是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入。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)。語音識別技術(shù)主要包括特征提取技術(shù)、模式匹配準則及模型訓練技術(shù)三個方面。語音識別技術(shù)車聯(lián)網(wǎng)也得到了充分的引用，例如在翼卡車聯(lián)網(wǎng)中，只需按一鍵通客服人員口述即可設(shè)置目的地直接導航，安全、便捷。

語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，（迅 捷ocr文字識別軟件）其目標是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。與說話人識別及說話人確認不同，后者嘗試識別或確認發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。

主 要 分 類

根據(jù)識別的對象不同，語音識別任務(wù)大體可分為3類，即孤立詞識別（isolated word recognition），關(guān)鍵詞識別（或稱關(guān)鍵詞檢出，keyword spotting）和連續(xù)語音識別。其中，孤立詞識別 的任務(wù)是識別事先已知的孤立的詞，如“開機”、“關(guān)機”等；連續(xù)語音識別的任務(wù)則是識別任意的連續(xù)語音，如一個句子或一段話；連續(xù)語音流中的關(guān)鍵詞檢測針對的是連續(xù)語音，但它并不識別全部文字，而只是檢測已知的若干關(guān)鍵詞在何處出現(xiàn)，如在一段話中檢測“計算機”、“世界”這兩個詞。

根據(jù)針對的發(fā)音人，可以把語音識別技術(shù)分為特定人語音識別和非特定人語音識別，前者只能識別一個或幾個人的語音，而后者則可以被任何人使用。顯然，非特定人語音識別系統(tǒng)更符合實際需要，但它要比針對特定人的識別困難得多。

另外，根據(jù)語音設(shè)備和通道，可以分為桌面（PC）語音識別、電話語音識別和嵌入式設(shè)備（手機、PDA等）語音識別。不同的采集通道會使人的發(fā)音的聲學特性發(fā)生變形，因此需要構(gòu)造各自的識別系統(tǒng)。

識 別 方 法

語音識別方法主要是模式匹配法。在訓練階段，用戶將詞匯表中的每一詞依次說一遍，并且將其特征矢量作為模板存入模板庫。在識別階段，將輸入語音的特征矢量依次與模板庫中的每個模板進行相似度比較，將相似度最高者作為識別結(jié)果輸出。

存 在 問 題

1、口音和噪聲

語音識別中最明顯的一個缺陷就是對口音和背景噪聲的處理。

2、語義錯誤

通常語音識別系統(tǒng)的實際目標并不是誤字率。我們更關(guān)心的是語義錯誤率，就是被誤解的那部分話語。

3、單通道和多人會話

一個好的會話語音識別器必須能夠根據(jù)誰在說話對音頻進行劃分，還應(yīng)該能弄清重疊的會話（聲源分離）。

4、其他領(lǐng)域變化

如：來自聲環(huán)境變化的混響、硬件造成的偽影、音頻的編解碼器和壓縮偽影、采樣率的變化、會話者的年齡不同。

5、上下文相關(guān)聯(lián)判斷識別

人類聊天容易基于上下文做判斷。機器目前很難做到。

和自然語言識別的區(qū)別

語音識別是自然語言識別的一個方向。

廣義的“自然語言處理”包含了“語音”，或者說“語音”也是“自然語言”的一種。狹義的“自然語言處理”是指處理及理解文本，簡單的理解就是：語音識別的結(jié)果成了自然語言處理的原材料來源之一，自然語言處理的結(jié)果又成了語音生成的原材料。

它是區(qū)別指令式語音而命名，其基本原理都是一致。自然語音識別亮點是自然語言理解功能，即用戶可以按照個人的語言習慣，用自己慣用的語氣、慣用的詞，將需要被識別的語音任務(wù)說出來即可。自然語音識別與指令式語音識別主要區(qū)別是詞庫大小及處理方式，指令語音所有處理都是本地進行，自然語音識別目前基本都是采用云處理方式，這樣其語音庫及處理能力是指令語音無法比擬的。