日本久久久久久久_語(yǔ)音識別的發(fā)展現狀_語(yǔ)音識別

首頁(yè)>>>技術(shù)>>>語(yǔ)音應用>>>語(yǔ)音識別(ASR)　　語(yǔ)音識別產(chǎn)品

語(yǔ)音識別的發(fā)展現狀

俞鐵城 2005/03/03

語(yǔ)音識別基礎

　　讓機器聽(tīng)懂人類(lèi)的語(yǔ)音，這是人們長(cháng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識別是一門(mén)交叉學(xué)科，關(guān)系到多學(xué)科的研究領(lǐng)域，不同領(lǐng)域上的研究成果都對語(yǔ)音識別的發(fā)展作了貢獻。
語(yǔ)音識別技術(shù)就是讓機器通過(guò)識別和理解過(guò)程把語(yǔ)音信號轉變?yōu)橄鄳奈谋净蛎畹母呒夹g(shù)。

　　計算機語(yǔ)音識別過(guò)程與人對語(yǔ)音識別處理過(guò)程基本上是一致的。目前主流的語(yǔ)音識別技術(shù)是基于統計模式識別的基本理論。一個(gè)完整的語(yǔ)音識別系統可大致分為三部分：

　　（1）語(yǔ)音特征提取：目的是從語(yǔ)音波形中提取隨時(shí)間變化的語(yǔ)音特征序列。

　　（2）聲學(xué)模型與模式匹配（識別算法）：聲學(xué)模型是識別系統的底層模型，并且是語(yǔ)音識別系統中最關(guān)鍵的一部分。聲學(xué)模型通常由獲取的語(yǔ)音特征通過(guò)訓練產(chǎn)生，目的是為每個(gè)發(fā)音建立發(fā)音模板。在識別時(shí)將未知的語(yǔ)音特征同聲學(xué)模型（模式）進(jìn)行匹配與比較，計算未知語(yǔ)音的特征矢量序列和每個(gè)發(fā)音模板之間的距離。聲學(xué)模型的設計和語(yǔ)言發(fā)音特點(diǎn)密切相關(guān)。聲學(xué)模型單元大小（字發(fā)音模型、半音節模型或音素模型）對語(yǔ)音訓練數據量大小、系統識別率，以及靈活性有較大影響。

　　（3）語(yǔ)義理解：計算機對識別結果進(jìn)行語(yǔ)法、語(yǔ)義分析。明白語(yǔ)言的意義以便作出相應的反應。通常是通過(guò)語(yǔ)言模型來(lái)實(shí)現。

語(yǔ)音識別技術(shù)的應用

　　語(yǔ)音識別過(guò)程實(shí)際上是一種認識過(guò)程。就像人們聽(tīng)語(yǔ)音時(shí)，并不把語(yǔ)音和語(yǔ)言的語(yǔ)法結構、語(yǔ)義結構分開(kāi)來(lái)，因為當語(yǔ)音發(fā)音模糊時(shí)人們可以用這些知識來(lái)指導對語(yǔ)言的理解過(guò)程。對機器來(lái)說(shuō)，識別系統也要利用這些方面的知識，只是鑒于語(yǔ)音信號的多變性、動(dòng)態(tài)性、瞬時(shí)性，語(yǔ)音識別技術(shù)與人類(lèi)的大腦還有一定的差距。因此在語(yǔ)言識別技術(shù)選擇，其應用模式和系統開(kāi)發(fā)上，都需要專(zhuān)業(yè)的設計和調試，以實(shí)現最好的應用效果。

　　1996年9月，Charles Schwab開(kāi)通了首個(gè)大規模商用語(yǔ)音識別應用系統：股票報價(jià)系統。該系統有效地提高了服務(wù)質(zhì)量和客戶(hù)滿(mǎn)意度，并減少了呼叫中心的費用。不久，Schwab又開(kāi)通了語(yǔ)音股票交易系統。

　　美國主要電信運營(yíng)商Sprint的PCS部門(mén)以卓越和有創(chuàng )新的客戶(hù)服務(wù)著(zhù)稱(chēng)。自2000年來(lái)為客戶(hù)開(kāi)通了語(yǔ)音驅動(dòng)系統，提供客戶(hù)服務(wù)、語(yǔ)音撥號、查號和更改地址等業(yè)務(wù)。2001年9月開(kāi)通的可以自然方式對話(huà)的咨詢(xún)系統，更實(shí)現了以自然、開(kāi)放的詢(xún)問(wèn)方式實(shí)時(shí)獲得所需要的信息。

　　Bell Canada，加拿大最大的電信運營(yíng)商，也擁有多個(gè)語(yǔ)音驅動(dòng)系統，提供從客戶(hù)服務(wù)，增值業(yè)務(wù)和資訊服務(wù)多種功能。這些系統不但減少了用戶(hù)的投訴，也為無(wú)線(xiàn)網(wǎng)絡(luò )服務(wù)增值，增強了客戶(hù)的忠誠度并開(kāi)辟了新的收入來(lái)源。

　　仔細分析這些案例不難發(fā)現，一個(gè)成功的語(yǔ)音應用首先是基于詳細準確的用戶(hù)需求調查。只有詳細了解客戶(hù)需求，才能根據需要選用不同類(lèi)型的產(chǎn)品。目前市場(chǎng)上的語(yǔ)音識別產(chǎn)品基本可分為：

　　特定人/非特定人：是按照聲學(xué)模型建立的方式來(lái)劃分。特定人識別的聲學(xué)模型是針對某一特定用戶(hù)訓練的。一般來(lái)說(shuō)用戶(hù)需要先訓練系統，然后才能識別該用戶(hù)的發(fā)音。而非特定人識別的聲學(xué)模型是針對某一種特定的語(yǔ)言來(lái)訓練的，發(fā)音人不需要訓練既可使用。雖然在建立模型時(shí)需要大量的語(yǔ)料，對用戶(hù)來(lái)說(shuō)卻提供了更大方便，他們甚至不需要了解該過(guò)程。

　　嵌入式/服務(wù)器模式：嵌入式是將語(yǔ)言識別軟件及模型，寫(xiě)在設備(如手機)的存儲器里，識別過(guò)程在終端完成。在服務(wù)器模式，終端只負責收集和傳導語(yǔ)音信號，由服務(wù)器負責完成識別。因此，對于大規模，多用戶(hù)和有大量識別需求的系統，服務(wù)器模式提供了有效的方式。

　　目前運營(yíng)商和企業(yè)用戶(hù)的需求多數適合采用非特定人服務(wù)器模式的服務(wù)。例如上面提到的Charles Schwab，SprintPCS和Bell Canada都選用了Nuance Communications提供的語(yǔ)音識別軟件。加之專(zhuān)業(yè)的系統集成方案及Nuance技術(shù)服務(wù)所提供的良好的語(yǔ)音用戶(hù)界面設計和后期優(yōu)化，使得應用系統獲得了很高的客戶(hù)滿(mǎn)意度。在很多方面超過(guò)了接線(xiàn)員。

語(yǔ)音識別應用系統的相關(guān)技術(shù)

　　在語(yǔ)音識別應用領(lǐng)域，有許多相關(guān)技術(shù)直接影響著(zhù)客戶(hù)的最終體驗并關(guān)系到應用系統的使用效果，也就是自動(dòng)化率（automation rate），即系統毋須人工干預獨自完成的比例。例如端點(diǎn)檢測及相關(guān)問(wèn)題，噪音環(huán)境下的語(yǔ)音處理，系統結構，對口音的適應性及語(yǔ)音界面的設計，都是語(yǔ)音識別整體應用系統需要考慮的。在本系列隨后文章中，將分別為就這些問(wèn)題作一些介紹。后面稿件，我們會(huì )圍繞語(yǔ)音識別應用涉及的相關(guān)技術(shù)進(jìn)行介紹。

通訊世界(www.tele.com.cn)

"得意"口語(yǔ)對話(huà)系統開(kāi)發(fā)包與"得意"智能互動(dòng)信息服務(wù) 2004-11-25

"得意"聲紋識別技術(shù)常見(jiàn)問(wèn)題解答 2004-11-25

語(yǔ)音技術(shù)應用的現狀和未來(lái) 2004-09-30

“得意”聲紋加密鑰匙常見(jiàn)問(wèn)題解答 2004-08-31

分類(lèi)信息: 文摘技術(shù)_語(yǔ)音識別_文摘
亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩墨玉县| 竹北市| 佛山市| 太康县| 吉木萨尔县| 抚宁县| 仁布县| 广州市| 无棣县| 长子县| 宜兰县| 双牌县| 衡南县| 洛浦县| 枣强县| 岳阳县| 安塞县| 任丘市| 织金县| 若羌县| 新竹县| 达尔| 容城县| 武宣县| 申扎县| 徐汇区| 上杭县| 滕州市| 色达县| 星子县| 南汇区| 昌平区| 万源市| 安徽省| 嘉义市| 安仁县| 姜堰市| 玉树县| 余庆县| 穆棱市| 嘉义市| http://444 http://444 http://444 http://444 http://444 http://444