什么是语音识别

语音识别定义

语音识别可以使用自动语音识别（ASR）软件程序识别和区分语音。某些ASR程序要求用户首先训练程序识别其语音，以实现更准确的语音到文本转换。语音识别系统评估语音的频率、口音和语音流。

语音识别的工作原理

实际上，语音识别程序的有效词汇量的大小与安装它的计算机的RAM容量直接相关。与在硬盘驱动器中搜索某些匹配项相比，如果可以将整个词汇加载到RAM中，则语音识别程序的运行速度要快很多倍。处理速度至关重要，因为它会影响计算机在RAM中搜索匹配项的速度。

语音识别系统通过两种模型之一分析语音：隐马尔可夫模型和神经网络。隐马尔可夫模型将口语单词分解为音素，而递归神经网络使用前面步骤的输出来影响当前步骤的输入。

语音识别用途

• 虚拟助手。Siri，Alexa和Google虚拟助手都实现了语音识别软件来与用户进行交互。消费者使用语音识别技术的方式因产品而异。但他们可以使用它来将语音转录为文本，设置提醒，搜索互联网并回答简单的问题和请求，例如播放音乐或共享天气或交通信息。
• 智能设备。用户可以使用语音识别软件控制他们的智能家居，包括智能恒温器和智能扬声器。
• 自动电话系统。组织在其电话系统中使用语音识别，通过说出特定号码将呼叫者定向到相应的部门。
• 会议。语音识别用于为说话者提供实时字幕，以便其他人可以实时跟随所说的文本。
• 蓝牙。现代汽车中的蓝牙系统支持语音识别，以帮助驾驶员将视线集中在道路上。驾驶员可以使用语音识别来执行命令，例如“呼叫我的办公室”。
• 听写和语音识别软件。这些工具可以帮助用户听写和转录文档，而无需使用物理键盘或鼠标输入文本。
• 政府。国家安全局使用可追溯到2006年的语音识别系统来识别恐怖分子和间谍或验证任何说话者的音频。

语音识别优缺点

• 消费者可以通过直接与语音助手或其他语音识别技术交谈来进行多任务处理。
• 视力有问题的用户仍然可以与其设备进行交互。
• 机器学习和复杂的算法帮助语音识别技术快速将口语转换为书面文本。
• 这项技术可以比某些用户打字更快地捕获语音。这使得记笔记或设置提醒等任务更快、更方便。

• 背景噪音会产生错误输入。
• 虽然准确率正在提高，但所有语音识别系统和程序都会出错。
• 听起来相似但拼写不同且含义不同的单词存在问题-例如，听到和这里。使用存储的上下文信息可以在很大程度上解决此问题。但是，这需要更多的RAM和更快的处理器。

语音识别的历史

苹果在2011年推出了Siri，它仍然是一个突出的语音识别助手。2016年，谷歌推出了手机谷歌助手。语音识别系统可以在手机，智能扬声器，笔记本电脑，台式机和平板电脑等设备以及DragonProfessional和PhilipsSpeechLive等软件中找到。