英國倫敦大學(xué)的科學(xué)家Fry和Denes等人di一次利用統(tǒng)計(jì)學(xué)的原理構(gòu)建出了一個(gè)可以識(shí)別出4個(gè)元音和9個(gè)輔音的音素識(shí)別器。在同一年，美國麻省理工學(xué)院林肯實(shí)驗(yàn)室的研究人員則shou次實(shí)現(xiàn)了可以針對(duì)非特定人的可識(shí)別10個(gè)元音音素的識(shí)別器。語音識(shí)別技術(shù)的發(fā)展歷史，主要包括模板匹配、統(tǒng)計(jì)模型和深度學(xué)習(xí)三個(gè)階段。di一階段：模板匹配(DTW)20世紀(jì)60年代，一些重要的語音識(shí)別的經(jīng)典理論先后被提出和發(fā)表出來。1964年，Martin為了解決語音時(shí)長(zhǎng)不一致的問題，提出了一種時(shí)間歸一化的方法，該方法可以可靠地檢測(cè)出語音的端點(diǎn)，這可以有效地降低語音時(shí)長(zhǎng)對(duì)識(shí)別結(jié)果的影響，使語音識(shí)別結(jié)果的可變性減小了。1966年，卡耐基梅隆大學(xué)的Reddy利用動(dòng)態(tài)音素的方法進(jìn)行了連續(xù)語音識(shí)別，這是一項(xiàng)開創(chuàng)性的工作。1968年，前蘇聯(lián)科學(xué)家Vintsyukshou次提出將動(dòng)態(tài)規(guī)劃算法應(yīng)用于對(duì)語音信號(hào)的時(shí)間規(guī)整。雖然在他的工作中，動(dòng)態(tài)時(shí)間規(guī)整的概念和算法原型都有體現(xiàn)，但在當(dāng)時(shí)并沒有引起足夠的重視。這三項(xiàng)研究工作，為此后幾十年語音識(shí)別的發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。雖然在這10年中語音識(shí)別理論取得了明顯的進(jìn)步。但是這距離實(shí)現(xiàn)真正實(shí)用且可靠的語音識(shí)別系統(tǒng)的目標(biāo)依舊十分遙遠(yuǎn)。20世紀(jì)70年代。語音命令可用于發(fā)起電話呼叫、選擇無線電臺(tái)或從兼容的智能手機(jī)、MP3播放器或音樂加載閃存驅(qū)動(dòng)器播放音樂。新疆語音識(shí)別器

然后在Reg_RW．c文件中找到HARD_PARA_PORT對(duì)應(yīng)條件宏的代碼段，保留AVR的SPI接口代碼。3．2應(yīng)用程序?qū)崿F(xiàn)在代碼中預(yù)先設(shè)定幾個(gè)單詞：“你好”，“播放音樂”，“打開”。當(dāng)用戶說“播放音樂”時(shí)，MCU控制LD3320播放一段音樂，如果是其他詞語，則在串口中打印識(shí)別結(jié)果，然后再次轉(zhuǎn)換到語音識(shí)別狀態(tài)。3．2．1MP3播放代碼LD3320支持MP3數(shù)據(jù)播放，播放聲音的操作順序?yàn)椋和ㄓ贸跏蓟鶰P3播放用初始化→調(diào)節(jié)播放音量→開始播放。將MP3數(shù)據(jù)順序放入數(shù)據(jù)寄存器，芯片播放完一定數(shù)量的數(shù)據(jù)時(shí)會(huì)發(fā)出中斷請(qǐng)求，在中斷函數(shù)中連續(xù)送入聲音數(shù)據(jù)，直到聲音數(shù)據(jù)結(jié)束。MP3播放函數(shù)實(shí)現(xiàn)代碼如下：由于MCU容量限制，選取測(cè)試的MP3文件不能太大。首先在計(jì)算機(jī)上將MP3文件的二進(jìn)制數(shù)據(jù)轉(zhuǎn)為標(biāo)準(zhǔn)C數(shù)組格式文件，然后將該文件加入工程中。源代碼中MP3文件存儲(chǔ)在外擴(kuò)的SPIFLASH中，工程中需要注釋和移除全部相關(guān)代碼。MP3數(shù)據(jù)讀取函數(shù)是LD_ReloadMp3Data，只需將讀取的SPIFLASH數(shù)據(jù)部分改成以數(shù)組數(shù)據(jù)讀取的方式即可。3．2．2語音識(shí)別程序LD3320語音識(shí)別芯片完成的操作順序?yàn)椋和ㄓ贸跏蓟鶤SR初始化→添加關(guān)鍵詞→開啟語音識(shí)別。在源代碼中的RunASR函數(shù)已經(jīng)實(shí)現(xiàn)了上面的過程。深圳新一代語音識(shí)別設(shè)計(jì)語音識(shí)別技術(shù)還可以應(yīng)用于自動(dòng)口語翻譯。

語音識(shí)別技術(shù)飛速發(fā)展，又取得了幾個(gè)突破性的進(jìn)展。1970年，來自前蘇聯(lián)的Velichko和Zagoruyko將模式識(shí)別的概念引入語音識(shí)別中。同年，Itakura提出了線性預(yù)測(cè)編碼(LinearPredictiveCoding，LPC)技術(shù)，并將該技術(shù)應(yīng)用于語音識(shí)別。1978年，日本人Sakoe和Chiba在前蘇聯(lián)科學(xué)家Vintsyuk的工作基礎(chǔ)上，成功地使用動(dòng)態(tài)規(guī)劃算法將兩段不同長(zhǎng)度的語音在時(shí)間軸上進(jìn)行了對(duì)齊，這就是我們現(xiàn)在經(jīng)常提到的動(dòng)態(tài)時(shí)間規(guī)整(DynamicTimeWarping，DTW)。該算法把時(shí)間規(guī)整和距離的計(jì)算有機(jī)地結(jié)合起來，解決了不同時(shí)長(zhǎng)語音的匹配問題。在一些要求資源占用率低、識(shí)別人比較特定的環(huán)境下，DTW是一種很經(jīng)典很常用的模板匹配算法。這些技術(shù)的提出完善了語音識(shí)別的理論研究，并且使得孤立詞語音識(shí)別系統(tǒng)達(dá)到了一定的實(shí)用性。此后，以IBM公司和Bell實(shí)驗(yàn)室為的語音研究團(tuán)隊(duì)開始將研究重點(diǎn)放到大詞匯量連續(xù)語音識(shí)別系統(tǒng)(LargeVocabularyContinuousSpeechRecognition，LVCSR)，因?yàn)檫@在當(dāng)時(shí)看來是更有挑戰(zhàn)性和更有價(jià)值的研究方向。20世紀(jì)70年代末，Linda的團(tuán)隊(duì)提出了矢量量化(VectorQuantization。VQ)的碼本生成方法，該項(xiàng)工作對(duì)于語音編碼技術(shù)具有重大意義。

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？”通過聲學(xué)模型運(yùn)行語音數(shù)據(jù)，將其分解為語音部分?！ねㄟ^語言模型運(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)語音識(shí)別系統(tǒng)是語音用戶界面的一部分，則ASR模型將不是在運(yùn)行的機(jī)器學(xué)習(xí)模型。許多自動(dòng)語音識(shí)別系統(tǒng)都與自然語言處理(NLP)和文本語音轉(zhuǎn)換(TTS)系統(tǒng)配合使用，以執(zhí)行其給定的角色。也就是說，深入研究語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？建立ASR系統(tǒng)：數(shù)據(jù)的重要性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言，在這些語言中。由于語音交互提供了更自然、更便利、更高效的溝通形式，語音識(shí)別必定將成為未來主要的人機(jī)互動(dòng)接口之一。

并能產(chǎn)生興趣投身于這個(gè)行業(yè)。語音識(shí)別的技術(shù)歷程現(xiàn)代語音識(shí)別可以追溯到1952年，Davis等人研制了世界上個(gè)能識(shí)別10個(gè)英文數(shù)字發(fā)音的實(shí)驗(yàn)系統(tǒng)，從此正式開啟了語音識(shí)別的進(jìn)程。語音識(shí)別發(fā)展到已經(jīng)有70多年，但從技術(shù)方向上可以大體分為三個(gè)階段。下圖是從1993年到2017年在Switchboard上語音識(shí)別率的進(jìn)展情況，從圖中也可以看出1993年到2009年，語音識(shí)別一直處于GMM-HMM時(shí)代，語音識(shí)別率提升緩慢，尤其是2000年到2009年語音識(shí)別率基本處于停滯狀態(tài)；2009年隨著深度學(xué)習(xí)技術(shù)，特別是DNN的興起，語音識(shí)別框架變?yōu)镈NN-HMM，語音識(shí)別進(jìn)入了DNN時(shí)代，語音識(shí)別精細(xì)率得到了提升；2015年以后，由于“端到端”技術(shù)興起，語音識(shí)別進(jìn)入了百花齊放時(shí)代，語音界都在訓(xùn)練更深、更復(fù)雜的網(wǎng)絡(luò)，同時(shí)利用端到端技術(shù)進(jìn)一步大幅提升了語音識(shí)別的性能，直到2017年微軟在Swichboard上達(dá)到詞錯(cuò)誤率，從而讓語音識(shí)別的準(zhǔn)確性超越了人類，當(dāng)然這是在一定限定條件下的實(shí)驗(yàn)結(jié)果，還不具有普遍代表性。GMM-HMM時(shí)代70年代，語音識(shí)別主要集中在小詞匯量、孤立詞識(shí)別方面，使用的方法也主要是簡(jiǎn)單的模板匹配方法，即首先提取語音信號(hào)的特征構(gòu)建參數(shù)模板，然后將測(cè)試語音與參考模板參數(shù)進(jìn)行一一比較和匹配。

語音識(shí)別，通常稱為自動(dòng)語音識(shí)別。新疆語音識(shí)別器

原理語音識(shí)別技術(shù)是讓機(jī)器通過識(shí)別把語音信號(hào)轉(zhuǎn)變?yōu)槲谋?，進(jìn)而通過理解轉(zhuǎn)變?yōu)橹噶畹募夹g(shù)。新疆語音識(shí)別器

純粹從語音識(shí)別和自然語言理解的技術(shù)乃至功能的視角看這款產(chǎn)品，相對(duì)于等并未有什么本質(zhì)性改變，變化只是把近場(chǎng)語音交互變成了遠(yuǎn)場(chǎng)語音交互。正式面世于銷量已經(jīng)超過千萬，同時(shí)在扮演類似角色的漸成生態(tài)，其后臺(tái)的第三方技能已經(jīng)突破10000項(xiàng)。借助落地時(shí)從近場(chǎng)到遠(yuǎn)場(chǎng)的突破，亞馬遜一舉從這個(gè)賽道的落后者變?yōu)樾袠I(yè)。但自從遠(yuǎn)場(chǎng)語音技術(shù)規(guī)模落地以后，語音識(shí)別領(lǐng)域的產(chǎn)業(yè)競(jìng)爭(zhēng)已經(jīng)開始從研發(fā)轉(zhuǎn)為應(yīng)用。研發(fā)比的是標(biāo)準(zhǔn)環(huán)境下純粹的算法誰更有優(yōu)勢(shì)，而應(yīng)用比較的是在真實(shí)場(chǎng)景下誰的技術(shù)更能產(chǎn)生優(yōu)異的用戶體驗(yàn)，而一旦比拼真實(shí)場(chǎng)景下的體驗(yàn)，語音識(shí)別便失去存在的價(jià)值，更多作為產(chǎn)品體驗(yàn)的一個(gè)環(huán)節(jié)而存在。語音識(shí)別似乎進(jìn)入了一個(gè)相對(duì)平靜期，在一路狂奔過后紛紛開始反思自己的定位和下一步的打法。語音賽道里的標(biāo)志產(chǎn)品——智能音箱，以一種的姿態(tài)出現(xiàn)在大眾面前。智能音箱玩家們對(duì)這款產(chǎn)品的認(rèn)識(shí)還都停留在：亞馬遜出了一款產(chǎn)品，功能類似。

新疆語音識(shí)別器

本文來自北京舜天博瑞數(shù)字科技有限公司：http://www.bjxgm.com.cn/Article/41d43499524.html