淺談語音識別技術論文(2)
淺談語音識別技術論文
淺談語音識別技術論文篇二
語音識別技術的發(fā)展
【摘 要】語音識別技術研究讓人更加方便地享受到更多的社會信息資源和現(xiàn)代化服務，對任何事都能夠通過語音交互的方式。
【關鍵詞】語音識別技術;發(fā)展趨勢
語音識別是一門交叉學科。語音識別研究經歷了50多年的研究歷程，經過50多年的積累研究，獲得了巨大的進展。特別是近20年來，語音識別技術取得了顯著的進步，并逐步的走向市場。在未來的日子里，語音識別技術將應用更為廣泛。
一、語音識別技術概述
語音識別是解決機器“聽懂”人類語言的一項技術。作為智能計算機研究的主導方向和人機語音通信的關鍵技術，語音識別技術一直受到各國科學界的廣泛關注。如今，隨著語音識別技術研究的突破，其對計算機發(fā)展和社會生活的重要性日益凸現(xiàn)出來。以語音識別技術開發(fā)出的產品應用領域非常廣泛，如聲控電話交換、信息網(wǎng)絡查詢、家庭服務、賓館服務、醫(yī)療服務、銀行服務、工業(yè)控制、語音通信系統(tǒng)等，幾乎深入到社會的每個行業(yè)和每個方面。
廣泛意義上的語音識別按照任務的不同可以分為4個方向：說話人識別、關鍵詞檢出、語言辨識和語音識別。說話人識別技術是以話音對說話人進行區(qū)別，從而進行身份鑒別和認證的技術。關鍵詞檢出技術應用于一些具有特定要求的場合，只關注那些包含特定詞的句子，例如對一些特殊人名、地名的電話監(jiān)聽等。語言辨識技術是通過分析處理一個語音片斷以判別其所屬語言種類的技術，本質上也是語音識別技術的一個方面。語音識別就是通常人們所說的以說話的內容作為識別對象的技術，它是4個方面中最重要和研究最廣泛的一個方向，也是本文討論的主要內容。
二、語音識別的研究歷史
語音識別的研究工作始于20世紀50年代，1952年Bell實驗室開發(fā)的Audry系統(tǒng)是第一個可以識別10個英文數(shù)字的語音識別系統(tǒng)。
1959年，Rorgie和Forge采用數(shù)字計算機識別英文元音和孤立詞，從此開始了計算機語音識別。
60年代，蘇聯(lián)的Matin等提出了語音結束點的端點檢測，使語音識別水平明顯上升;Vintsyuk提出了動態(tài)編程，這一提法在以后的識別中不可或缺。60年代末、70年代初的重要成果是提出了信號線性預測編碼(LPC)技術和動態(tài)時間規(guī)整(DTW)技術，有效地解決了語音信號的特征提取和不等長語音匹配問題;同時提出了矢量量化(VQ)和隱馬爾可夫模型(HMM)理論。
80年代語音識別研究進一步走向深入：HMM模型和人工神經網(wǎng)絡(ANN)在語音識別中成功應用。1988年，F(xiàn)ULEE Kai等用VQ/I-IMM方法實現(xiàn)了997個詞匯的非特定人連續(xù)語音識別系統(tǒng)SPHINX。這是世界上第1個高性能的非特定人、大詞匯量、連續(xù)語音識別系統(tǒng)。
進入90年代后，語音識別技術進一步成熟，并開始向市場提供產品。許多發(fā)達國家如美國、日本、韓國以及IBM、Apple、AT&;T、Microsoft等公司都為語音識別系統(tǒng)的實用化開發(fā)研究投以巨資。同時漢語語音識別也越來越受到重視。IBM開發(fā)的ViaVoice和Microsoft開發(fā)的中文識別引擎都具有了相當高的漢語語音識別水平。
進入21世紀，隨著消費類電子產品的普及，嵌入式語音處理技術發(fā)展迅速[2]。基于語音識別芯片的嵌入式產品也越來越多，如Sensory公司的RSC系列語音識別芯片、Infineon公司的Unispeech和Unilite語音芯片等，這些芯片在嵌入式硬件開發(fā)中得到了廣泛的應用。在軟件上，目前比較成功的語音識別軟件有：Nuance、IBM的Viavoice和Microsoft的SAPI以及開源軟件HTK，這些軟件都是面向非特定人、大詞匯量的連續(xù)語音識別系統(tǒng)。
三、語音識別技術的發(fā)展現(xiàn)狀
語音識別技術通過全球科學家的共同努力，經歷半個多世紀的研究，目前已經發(fā)展到了接近實用的階段。在實驗室環(huán)境下，大詞匯量的朗讀式連續(xù)說話的寬帶語音信號的平均識別率可以達到90%以上。正式有了如此高的識別率之后，語音識別技術慢慢地從實驗室演示系統(tǒng)逐步走向實用化商品。以IBM Via Voice和Dragon Dictation為代表的兩個聽寫機系統(tǒng)的出現(xiàn)，使“語音識別”逐步進入大眾視線，引起了廣泛的社會關注。
由于校對和更正識別的錯誤很麻煩和浪費時間，這樣便降低語音識別的優(yōu)勢。同時，由于使用的環(huán)境或講話口音習慣等因素的影響，語音識別的內容大大降低，識別的內容不能達到100%的正確，所以很多人認為目前的語音識別系統(tǒng)還無法滿足實用要求。
目前，AT&T和MIT等將語音識別技術應用在一些有限詞匯的特定任務上，如電話自動轉接、電話查詢、數(shù)字串識別的任務中，當講話的內容是系統(tǒng)所存儲的內容存在的，且使用環(huán)境的聲學特性與訓練數(shù)據(jù)的聲學特性相差不太大時，語音識別的正確識別率可以接近100%。但是，在實際使用中如果這些條件被破壞，則會對識別系統(tǒng)造成一定的影響。
我國的語音識別研究一直緊跟國際水平，國家也很重視。國內中科院的自動化所、聲學所以及清華大學等科研機構和高校都在從事語音識別領域的研究和開發(fā)。國家863智能計算機專家組為語音識別技術研究專門立項，并取得了高水平的科研成果。我國中科院自動化所研制的非特定人、連續(xù)語音聽寫系統(tǒng)和漢語語音人機對話系統(tǒng)，其準確率和系統(tǒng)響應率均可達90%以上。
四、語音識別技術發(fā)展趨勢
語音作為當前通信系統(tǒng)中最自然的通信媒介，語音識別技術是非常重要的人機交互技術。隨著計算機和語音處理技術的發(fā)展，語音識別系統(tǒng)的實用性將進一步提高。應用語音的自動理解和翻譯，可消除人類相互交往的語言障礙。國外已有多種基于語音識別產品的應用，如聲控撥號電話、語音記事本等，基于特定任務和環(huán)境的聽寫機也已經進入應用階段。這預示著語音識別技術有著非常廣泛的應用領域和市場前景。隨著語音技術的進步和通信技術的飛速發(fā)展，語音識別技術將為網(wǎng)上會議、商業(yè)管理、醫(yī)藥衛(wèi)生、教育培訓等各個領域帶來極大的便利，其應用和經濟、社會效益前景非常良好. 雖然語音識別在過去的20年里有了很大的發(fā)展，但是，仍然存在很多的不足，有待于進一步的探索，具體可分為以下幾個方面：
1.提高可靠性。語音識別技術需要能排除各種聲學環(huán)境因素的影響。在比較嘈雜的公共環(huán)境中，人的意識會有意識的排除非需要的聲學環(huán)境因素，這對語音識別系統(tǒng)而言，是很難做到的。另外，在日常生活中，人類的語言常常具有較大的不確定性，比較隨意，并帶有明顯的言語習慣。這同樣會給語音識別系統(tǒng)很大的識別麻煩。目前，在提高語音系統(tǒng)在不同環(huán)境中的可靠性，同時要應用現(xiàn)代技術讓語音識別系統(tǒng)更加智能化，掌握人們語言隨意性的部分規(guī)律，以達到最佳的識別效果。
2.增加詞匯量。系統(tǒng)可以識別的詞匯的數(shù)量是系統(tǒng)能夠做什么事情的一個重要度量。一個語音識別系統(tǒng)使用的聲學模型和語音模型如果太過于局限，當用戶所講的詞匯超出系統(tǒng)已知的范圍時，則語音識別系統(tǒng)不能準確的識別出相應的內容，比如，當突然從中文轉為英文、法文、俄文時，計算機就會常常輸出混亂奇怪的結果。但是，隨著系統(tǒng)建模方法的不斷改進、搜索算法效率的提高以及硬件資源的發(fā)展，未來的語音識別系統(tǒng)可能會做到詞匯量無限制和多種語言混合，這樣用戶在使用的時候可以不必在語種之間來回切換，這樣就能大大減少詞匯量的對語音識別系統(tǒng)的限制。
3.應用拓展。語音識別技術可以用于把費腦、費力、費時的機器操作變成一件很容易很有趣味性的事，比如，當人們出現(xiàn)手忙、手不能及以及分身無術的場景時，通過語音識別系統(tǒng)的模型構造，則能夠在象駕駛室、危險的工業(yè)場合、遠距離信息獲取、家電控制等各個方面，語音識別技術可能帶動一系列嶄新或更便捷功能的設備出現(xiàn)，更加方便人的工作和生活。其應用的范圍和前景非常廣泛。不僅能夠應用于日常生活，更重要的會帶來生產方式的革命，是下一代智能化控制的基礎。
4.降低成本減小體積。微型化是語音識別技術商業(yè)應用的另一個重要途徑，其推廣程這取決于語音識別技術本身進步的程度，同時與微電子芯片技術的進一步發(fā)展關系密切。將具有先進功能和性能的語音識別應用系統(tǒng)固化到更加微小的芯片或模塊上，可以大幅度降低產品成本和體積，產品必然受到消費者的青睞，語音識別系統(tǒng)和微電子芯片技術的發(fā)展是會引領我們的信息技術革命到一個新的臺階。
21世紀是信息和網(wǎng)絡的時代，Internet和移動通信、固話通信的網(wǎng)絡把全球各地連接起來。自然口語對話、電子商務、信息索取、數(shù)字圖書館、語音翻譯、遠程教育等一系列的人類活動都可在網(wǎng)絡上實現(xiàn)。語音識別系統(tǒng)的出現(xiàn)，會讓人更加自由的溝通，讓人在任何地方，任何時間，對任何事都能夠通過語音交互的方式，方便地享受到更多的社會信息資源和現(xiàn)代化服務。這必然會成為語音識別技術研究和應用的重要發(fā)展趨勢。
看了“淺談語音識別技術論文”的人還看：
4.淺談遠程教育論文