資源描述：
《淺談?wù)Z音識別技術(shù)的發(fā)展現(xiàn)狀及趨勢》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、淺談?wù)Z音識別技術(shù)的發(fā)展現(xiàn)狀及趨勢中文摘要近20年來,隨著信息技術(shù)的不斷發(fā)展,語音識別技術(shù)也逐步的發(fā)展成熟。語音識別技術(shù)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(wù),對任何事都能夠通過語音交互的方式。本文就對語音技術(shù)的發(fā)展及趨勢作了簡單的闡述。關(guān)鍵詞:語音識別技術(shù) 發(fā)展 趨勢 語音識別是一門交叉學(xué)科。語音識別研究經(jīng)歷了50多年的研究歷程,經(jīng)過50多年的積累研究,獲得了巨大的進(jìn)展。特別是近20年來,語音識別技術(shù)取得了顯著的進(jìn)步,并逐步的走向市場。在未來的日子里,語音識別技術(shù)將應(yīng)用更為廣泛
2、。本文就語音識別的發(fā)展及趨勢作簡單的闡述?！ ?語音技術(shù)的發(fā)展歷史 50年代,研究人員多數(shù)致力于聲學(xué)和語音學(xué)的基本概念。1952年,在ATTBell實驗室實現(xiàn)了一個單一發(fā)音人孤立發(fā)音的10個英文數(shù)字的語音識別系統(tǒng),方法主要是度量每個數(shù)字的元音音段的共振峰。1956年,RCALab開展了另外一項獨立研究,試圖識別單一發(fā)音的10個不同的音節(jié),同樣采用了度量共振峰的方法。1959年,英國UniversityCollege的研究人員開始嘗試另外一種思路,用譜分析和模板匹配方法構(gòu)建音素識別器,用來識別4個
3、元音和9個輔音。60年代,相繼出現(xiàn)并發(fā)表了語音識別的幾個重要的思想。1962年,東京大學(xué)進(jìn)行了另一個音素識別器的硬件實現(xiàn)的嘗試。它使用過零率方法分離語音信號的不同部分,并進(jìn)行識別。1963年,日本NECLab對數(shù)字進(jìn)行語音識別的嘗試可以算得上最值得注意的工作,因為它不僅是NEC研究語音識別的開端,還導(dǎo)致一個長期的和卓有成效的研究計劃。在60年代中,3個研究項目的開展對其后20多年的語音識別研究和開發(fā)產(chǎn)生了重大影響。第一個研究項目在RCALab開始于60年代后期,目的是研究語音事件在時間刻度上不均勻
4、性的現(xiàn)實解決辦法。在能夠可靠檢測出語音事件的始末點的基礎(chǔ)上,發(fā)展了一套時間歸正的基本方法?！ ?語音識別技術(shù)的發(fā)展現(xiàn)狀 語音識別技術(shù)通過全球科學(xué)家的共同努力,經(jīng)歷半個多世紀(jì)的研究,目前已經(jīng)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(dá)到90%以上。正式有了如此高的識別率之后,語音識別技術(shù)慢慢地從實驗室演示系統(tǒng)逐步走向?qū)嵱没唐?。以IBMViaVoice和DragonDictation為代表的兩個聽寫機系統(tǒng)的出現(xiàn),使“語音識別”逐步進(jìn)入大眾視線,引
5、起了廣泛的社會關(guān)注?！ ∮捎谛透R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(xí)慣等因素的影響,語音識別的內(nèi)容大大降低,識別的內(nèi)容不能達(dá)到100%的正確,所以很多人認(rèn)為目前的語音識別系統(tǒng)還無法滿足實用要求?！ ∧壳?ATT和MIT等將語音識別技術(shù)應(yīng)用在一些有限詞匯的特定任務(wù)上,如自動轉(zhuǎn)接、查詢、數(shù)字串識別的任務(wù)中,當(dāng)講話的內(nèi)容是系統(tǒng)所存儲的內(nèi)容存在的,且使用環(huán)境的聲學(xué)特性與訓(xùn)練數(shù)據(jù)的聲學(xué)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
6、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。3語音識別技術(shù)發(fā)展趨勢 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(jìn)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(shù)需要能排除各種聲學(xué)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(xué)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(xí)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
7、語音系統(tǒng)在不同環(huán)境中的可靠性,同時要應(yīng)用現(xiàn)代技術(shù)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(dá)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(xué)模型和語音模型如果太過于局限,當(dāng)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(zhǔn)確的識別出相應(yīng)的內(nèi)容,比如,當(dāng)突然從中文轉(zhuǎn)為英文、法文、俄文時,計算機就會常常輸出混亂奇怪的結(jié)果。但是,隨著系統(tǒng)建模方法的不斷改進(jìn)、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
8、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?！ ?)應(yīng)用拓展。語音識別技術(shù)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(dāng)人們出現(xiàn)手忙、手不能及以及分身無術(shù)的場景時,通過語音識別系統(tǒng)的模型構(gòu)造,則能夠在象駕駛室、危險的工業(yè)場合、遠(yuǎn)距離信息獲取、家電控制等各個方面,語音識別技術(shù)可能帶動一系列嶄新或更便捷功能的設(shè)備出現(xiàn),更加方便人的工作和生活。其應(yīng)用的范圍和前景非常廣
