自動(dòng)語(yǔ)音識(shí)別的原理是什么，它的作用是什么

（文章來(lái)源：讀芯術(shù)）

Siri 、Alexa 等虛擬助手的出現(xiàn)，讓自動(dòng)語(yǔ)音識(shí)別系統(tǒng)得到了更廣泛的運(yùn)用與發(fā)展。自動(dòng)語(yǔ)音識(shí)別(ASR)是一種將口語(yǔ)轉(zhuǎn)換為文本的過(guò)程。該技術(shù)正在不斷應(yīng)用于即時(shí)通訊應(yīng)用程序、搜索引擎、車載系統(tǒng)和家庭自動(dòng)化中。盡管所有這些系統(tǒng)都依賴于略有不同的技術(shù)流程，但這些所有系統(tǒng)的第一步都是相同的：捕獲語(yǔ)音數(shù)據(jù)并將其轉(zhuǎn)換為機(jī)器可讀的文本。

但 ASR 系統(tǒng)如何工作？它如何學(xué)會(huì)辨別語(yǔ)音？ASR 系統(tǒng)：它們?nèi)绾芜\(yùn)作？因此，從基礎(chǔ)層面來(lái)看，我們知道自動(dòng)語(yǔ)音識(shí)別看起來(lái)如下：音頻數(shù)據(jù)輸入，文本數(shù)據(jù)輸出。但是，從輸入到輸出，音頻數(shù)據(jù)需要變成機(jī)器可讀的數(shù)據(jù)。這意味著數(shù)據(jù)通過(guò)聲學(xué)模型和語(yǔ)言模型進(jìn)行發(fā)送。這兩個(gè)過(guò)程是這樣的：聲學(xué)模型確定了語(yǔ)言中音頻信號(hào)和語(yǔ)音單位之間的關(guān)系，而語(yǔ)言模型將聲音與單詞及單詞序列進(jìn)行匹配。

這兩個(gè)模型允許 ASR 系統(tǒng)對(duì)音頻輸入進(jìn)行概率檢查，以預(yù)測(cè)其中的單詞和句子。然后，系統(tǒng)會(huì)選出具有最高置信度等級(jí)的預(yù)測(cè)。**有時(shí)語(yǔ)言模型可以優(yōu)先考慮某些因其他因素而被認(rèn)為更有可能的預(yù)測(cè)。因此，如果通過(guò) ASR 系統(tǒng)運(yùn)行短語(yǔ)，它將執(zhí)行以下操作：進(jìn)行聲音輸入：“嘿 Siri，現(xiàn)在幾點(diǎn)了？”通過(guò)聲學(xué)模型運(yùn)行語(yǔ)音數(shù)據(jù)，將其分解為語(yǔ)音部分。通過(guò)語(yǔ)言模型運(yùn)行該數(shù)據(jù)。輸出文本數(shù)據(jù)：“嘿 Siri，現(xiàn)在幾點(diǎn)了？”

在這里，值得一提的是，如果自動(dòng)語(yǔ)音識(shí)別系統(tǒng)是語(yǔ)音用戶界面的一部分，則 ASR 模型將不是唯一在運(yùn)行的機(jī)器學(xué)習(xí)模型。許多自動(dòng)語(yǔ)音識(shí)別系統(tǒng)都與自然語(yǔ)言處理 (NLP) 和文本語(yǔ)音轉(zhuǎn)換 (TTS) 系統(tǒng)配合使用，以執(zhí)行其給定的角色。也就是說(shuō)，深入研究語(yǔ)音用戶界面本身就是個(gè)完整的話題。要了解更多信息，請(qǐng)查看此文章。

那么，現(xiàn)在知道了 ASR 系統(tǒng)如何運(yùn)作，但需要構(gòu)建什么？關(guān)鍵是數(shù)據(jù)。建立 ASR 系統(tǒng)：數(shù)據(jù)的重要性，優(yōu)秀的 ASR 系統(tǒng)應(yīng)該具有靈活性。它需要識(shí)別各種各樣的音頻輸入（語(yǔ)音樣本），并根據(jù)該數(shù)據(jù)做出準(zhǔn)確的文本輸出，以便做出相應(yīng)的反應(yīng)。為實(shí)現(xiàn)這一點(diǎn)，ASR 系統(tǒng)需要的數(shù)據(jù)是標(biāo)記的語(yǔ)音樣本和轉(zhuǎn)錄形式。比這要復(fù)雜一些（例如，數(shù)據(jù)標(biāo)記過(guò)程非常重要且經(jīng)常被忽略），但為了讓大家明白，在此將其簡(jiǎn)化。

ASR 系統(tǒng)需要大量的音頻數(shù)據(jù)。為什么？因?yàn)檎Z(yǔ)言很復(fù)雜。對(duì)同一件事有很多種講述方式，句子的意思會(huì)隨著單詞的位置和重點(diǎn)而改變。還考慮到世界上有很多不同的語(yǔ)言，在這些語(yǔ)言中，發(fā)音和單詞選擇可能會(huì)因地理位置和口音等因素而不同。

哦，別忘了語(yǔ)言也因年齡和性別而有所不同！考慮到這一點(diǎn)，為 ASR系統(tǒng)提供的語(yǔ)音樣本越多，它在識(shí)別和分類新語(yǔ)音輸入方面越好。從各種各樣的聲音和環(huán)境中獲取的樣本越多，系統(tǒng)越能在這些環(huán)境中識(shí)別聲音。通過(guò)專門的微調(diào)和維護(hù)，自動(dòng)語(yǔ)音識(shí)別系統(tǒng)將在使用過(guò)程中得到改進(jìn)。

因此，從最基本的角度來(lái)看，數(shù)據(jù)越多越好。的確，目前進(jìn)行的研究和優(yōu)化較小數(shù)據(jù)集相關(guān)，但目前大多數(shù)模型仍需要大量數(shù)據(jù)才能發(fā)揮良好的性能。幸運(yùn)的是，得益于數(shù)據(jù)集存儲(chǔ)庫(kù)和專用的數(shù)據(jù)收集服務(wù)，音頻數(shù)據(jù)的收集變得越發(fā)簡(jiǎn)單。這反過(guò)來(lái)又增加了技術(shù)發(fā)展的速度，那么，接下來(lái)簡(jiǎn)單了解一下，未來(lái)自動(dòng)語(yǔ)音識(shí)別能在哪些方面大展身手。

ASR 技術(shù)已融身于社會(huì)。虛擬助手、車載系統(tǒng)和家庭自動(dòng)化都讓日常生活更加便利，應(yīng)用范圍也可能擴(kuò)大。隨著越來(lái)越多的人接納這些服務(wù)，技術(shù)將進(jìn)一步發(fā)展。
? ? ?（責(zé)任編輯：fqj）