登錄語音識別技術(shù),語音識別技術(shù)是什么意思電子工程師2010-03-062442分享海報基礎(chǔ)知識7人已加入+加入圈子描述語音識別技術(shù),語音識別技術(shù)是什么意思語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說話人識別及說話人確認(rèn)不同，后者嘗試識別或確認(rèn)發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。語音識別技術(shù)的應(yīng)用包括語音撥號、語音導(dǎo)航、室內(nèi)設(shè)備控制、語音文檔檢索、簡單的聽寫數(shù)據(jù)錄入等。語音識別技術(shù)與其他自然語言處理技術(shù)如機(jī)器翻譯及語音合成技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用，例如語音到語音的翻譯。語音識別技術(shù)所涉及的領(lǐng)域包括：信號處理、模式識別、概率論和信息論、發(fā)聲機(jī)理和聽覺機(jī)理、人工智能等等。特定人語音識別的方法目前，常用的說話人識別方法有模板匹配法、統(tǒng)計建模法、聯(lián)接主義法(即人工神經(jīng)網(wǎng)絡(luò)實現(xiàn))。考慮到數(shù)據(jù)量、實時性以及識別率的問題，筆者采用基于矢量量化和隱馬爾可夫模型(HMM)相結(jié)合的方法。說話人識別的系統(tǒng)主要由語音特征矢量提取單元(前端處理)、訓(xùn)練單元、識別單元和后處理單元組成，其系統(tǒng)構(gòu)成如圖1所示。由上圖也可以看出，每個司機(jī)在購買車后必須將自己的語音輸入系統(tǒng)，也就是訓(xùn)練過程，當(dāng)然最好是在安靜、次數(shù)達(dá)到一定的數(shù)目。從此在以后駕駛過程中就可以利用這個系統(tǒng)了。所謂預(yù)處理是指對語音信號的特殊處理:預(yù)加重，分幀處理。預(yù)加重的目的是提升高頻部分，使信號的頻譜變得平坦，以便于進(jìn)行頻譜分析或聲道參數(shù)分析。用具有 6dB/倍頻程的提升高頻特性的預(yù)加重數(shù)字濾波器實現(xiàn)。雖然語音信號是非平穩(wěn)時變的，但是可以認(rèn)為是局部短時平穩(wěn)。故語音信號分析常分段或分幀來處理。歷史早在計算機(jī)發(fā)明之前，自動語音識別的設(shè)想就已經(jīng)被提上了議事日程，早期的聲碼器可被視作語音識別及合成的雛形。而1920年代生產(chǎn)的"Radio Rex"玩具狗可能是最早的語音識別器，當(dāng)這只狗的名字被呼喚的時候，它能夠從底座上彈出來。最早的基于電子計算機(jī)的語音識別系統(tǒng)是由AT&T貝爾實驗室開發(fā)的Audrey語音識別系統(tǒng)，它能夠識別10個英文數(shù)字。其識別方法是跟蹤語音中的共振峰。該系統(tǒng)得到了98%的正確率。到1950年代末，倫敦學(xué)院(Colledge of London)的Denes已經(jīng)將語法概率加入語音識別中。1960年代，人工神經(jīng)網(wǎng)絡(luò)被引入了語音識別。這一時代的兩大突破是線性預(yù)測編碼Linear Predictive Coding (LPC)， 及動態(tài)時間彎折Dynamic Time Warp技術(shù)。語音識別技術(shù)的最重大突破是隱含馬爾科夫模型Hidden Markov Model的應(yīng)用。從Baum提出相關(guān)數(shù)學(xué)推理，經(jīng)過Labiner等人的研究，卡內(nèi)基梅隆大學(xué)的李開復(fù)最終實現(xiàn)了第一個基于隱馬爾科夫模型的大詞匯量語音識別系統(tǒng)Sphinx。[3]。此后嚴(yán)格來說語音識別技術(shù)并沒有脫離HMM框架。盡管多年來研究人員一直嘗試將“聽寫機(jī)”推廣，語音識別技術(shù)在目前還無法支持無限領(lǐng)域，無限說話人的聽寫機(jī)應(yīng)用。模型目前，主流的大詞匯量語音識別系統(tǒng)多采用統(tǒng)計模式識別技術(shù)。典型的基于統(tǒng)計模式識別方法的 語音識別系統(tǒng)由以下幾個基本模塊所構(gòu)成信號處理及特征提取模塊。該模塊的主要任務(wù)是從輸入信號中提取特征，供聲學(xué)模型處理。同時，它一般也包括了一些信號處理技術(shù)，以盡可能降低環(huán)境噪聲、信道、說話人等因素對特征造成的影響。 統(tǒng)計聲學(xué)模型。典型系統(tǒng)多采用基于一階隱馬爾科夫模型進(jìn)行建模。 發(fā)音詞典。發(fā)音詞典包含系統(tǒng)所能處理的詞匯集及其發(fā)音。發(fā)音詞典實際提供了聲學(xué)模型建模單元與語言模型建模單元間的映射。 語言模型。語言模型對系統(tǒng)所針對的語言進(jìn)行建模。理論上，包括正則語言，上下文無關(guān)文法在內(nèi)的各種語言模型都可以作為語言模型，但目前各種系統(tǒng)普遍采用的還是基于統(tǒng)計的N元文法及其變體。 解碼器。解碼器是語音識別系統(tǒng)的核心之一，其任務(wù)是對輸入的信號，根據(jù)聲學(xué)、語言模型及詞典，尋找能夠以最大概率輸出該信號的詞串。 從數(shù)學(xué)角度可以更加清楚的了解上述模塊之間的關(guān)系。首先，統(tǒng)計語音識別的最基本問題是，給定輸入信號或特征序列，符號集（詞典），求解符號串使得：W = argmaxP(W | O) 通過貝葉斯公式，上式可以改寫為由于對于確定的輸入串O，P(O)是確定的，因此省略它并不會影響上式的最終結(jié)果，因此，一般來說語音識別所討論的問題可以用下面的公式來表示，可以將它稱為語音識別的基本公式。 W = argmaxP(O | W)P(W)從這個角度來看，信號處理模塊提供了對輸入信號的預(yù)處理，也就是說，提供了從采集的語音信號(記為S)到 特征序列O的映射。而聲學(xué)模型本身定義了一些更具推廣性的聲學(xué)建模單元，并且提供了在給定輸入特征下，估計P(O | uk)的方法。為了將聲學(xué)模型建模單元串映射到符號集，就需要發(fā)音詞典發(fā)揮作用。它實際上定義了映射的映射。為了表示方便，也可以定義一個由到U的全集的笛卡爾積，而發(fā)音詞典則是這個笛卡爾積的一個子集。并且有：最后，語言模型則提供了P(W)。這樣，基本公式就可以更加具體的寫成：對于解碼器來所，就是要在由,,ui以及時間標(biāo)度t張成的搜索空間中，找到上式所指明的W。語音識別是一門交叉學(xué)科，語音識別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，語音識別技術(shù)與語音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤，通過語音命令進(jìn)行操作。語音技術(shù)的應(yīng)用已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)。與機(jī)器進(jìn)行語音交流，讓機(jī)器明白你說什么，這是人們長期以來夢寐以求的事情。語音識別技術(shù)就是讓機(jī)器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語音識別是一門交叉學(xué)科。近二十年來，語音識別技術(shù)取得顯著進(jìn)步，開始從實驗室走向市場。人們預(yù)計，未來10年內(nèi)，語音識別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費電子產(chǎn)品等各個領(lǐng)域。語音識別聽寫機(jī)在一些領(lǐng)域的應(yīng)用被美國新聞界評為1997年計算機(jī)發(fā)展十件大事之一。很多專家都認(rèn)為語音識別技術(shù)是2000年至2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一。一、語音識別的發(fā)展歷史(1)國外研究歷史及現(xiàn)狀語音識別的研究工作可以追溯到20世紀(jì)50年代AT&T貝爾實驗室的Audry系統(tǒng)，它是第一個可以識別十個英文數(shù)字的語音識別系統(tǒng)。但真正取得實質(zhì)性進(jìn)展，并將其作為一個重要的課題開展研究則是在60年代末70年代初。這首先是因為計算機(jī)技術(shù)的發(fā)展為語音識別的實現(xiàn)提供了硬件和軟件的可能，更重要的是語音信號線性預(yù)測編碼（LPC）技術(shù)和動態(tài)時間規(guī)整（DTW）技術(shù)的提出，有效的解決了語音信號的特征提取和不等長匹配問題。這一時期的語音識別主要基于模板匹配原理，研究的領(lǐng)域局限在特定人，小詞匯表的孤立詞識別，實現(xiàn)了基于線性預(yù)測倒譜和DTW技術(shù)的特定人孤立詞語音識別系統(tǒng)；同時提出了矢量量化(VQ)和隱馬爾可夫模型(HMM)理論。隨著應(yīng)用領(lǐng)域的擴(kuò)大，小詞匯表、特定人、孤立詞等這些對語音識別的約束條件需要放寬，與此同時也帶來了許多新的問題：第一，詞匯表的擴(kuò)大使得模板的選取和建立發(fā)生困難；第二，連續(xù)語音中，各個音素、音節(jié)以及詞之間沒有明顯的邊界，各個發(fā)音單位存在受上下文強(qiáng)烈影響的協(xié)同發(fā)音（Co-articulation）現(xiàn)象；第三，非特定人識別時，不同的人說相同的話相應(yīng)的聲學(xué)特征有很大的差異，即使相同的人在不同的時間、生理、心理狀態(tài)下，說同樣內(nèi)容的話也會有很大的差異；第四，識別的語音中有背景噪聲或其他干擾。因此原有的模板匹配方法已不再適用。實驗室語音識別研究的巨大突破產(chǎn)生于20世紀(jì)80年代末：人們終于在實驗室突破了大詞匯量、連續(xù)語音和非特定人這三大障礙，第一次把這三個特性都集成在一個系統(tǒng)中，比較典型的是卡耐基梅隆大學(xué)(CarnegieMellonUniversity)的Sphinx系統(tǒng)，它是第一個高性能的非特定人、大詞匯量連續(xù)語音識別系統(tǒng)。這一時期，語音識別研究進(jìn)一步走向深入，其顯著特征是HMM模型和人工神經(jīng)元網(wǎng)絡(luò)(ANN)在語音識別中的成功應(yīng)用。HMM模型的廣泛應(yīng)用應(yīng)歸功于AT&TBell實驗室Rabiner等科學(xué)家的努力，他們把原本艱澀的HMM純數(shù)學(xué)模型工程化,從而為更多研究者了解和認(rèn)識，從而使統(tǒng)計方法成為了語音識別技術(shù)的主流。統(tǒng)計方法將研究者的視線從微觀轉(zhuǎn)向宏觀，不再刻意追求語音特征的細(xì)化，而是更多地從整體平均（統(tǒng)計）的角度來建立最佳的語音識別系統(tǒng)。在聲學(xué)模型方面，以Markov鏈為基礎(chǔ)的語音序列建模方法HMM（隱式Markov鏈）比較有效地解決了語音信號短時穩(wěn)定、長時時變的特性，并且能根據(jù)一些基本建模單元構(gòu)造成連續(xù)語音的句子模型，達(dá)到了比較高的建模精度和建模靈活性。在語言層面上，通過統(tǒng)計真實大規(guī)模語料的詞之間同現(xiàn)概率即N元統(tǒng)計模型來區(qū)分識別帶來的模糊音和同音詞。另外，人工神經(jīng)網(wǎng)絡(luò)方法、基于文法規(guī)則的語言處理機(jī)制等也在語音識別中得到了應(yīng)用。20世紀(jì)90年代前期，許多著名的大公司如IBM、蘋果、AT＆T和NTT都對語音識別系統(tǒng)的實用化研究投以巨資。語音識別技術(shù)有一個很好的評估機(jī)制，那就是識別的準(zhǔn)確率，而這項指標(biāo)在20世紀(jì)90年代中后期實驗室研究中得到了不斷的提高。比較有代表性的系統(tǒng)有：IBM公司推出的ViaVoice和DragonSystem公司的NaturallySpeaking,Nuance公司的NuanceVoicePlatform語音平臺，Microsoft的Whisper,Sun的VoiceTone等。其中IBM公司于1997年開發(fā)出漢語ViaVoice語音識別系統(tǒng)，次年又開發(fā)出可以識別上海話、廣東話和四川話等地方口音的語音識別系統(tǒng)ViaVoice'98。它帶有一個32,000詞的基本詞匯表，可以擴(kuò)展到65,000詞,還包括辦公常用詞條，具有“糾錯機(jī)制”，其平均識別率可以達(dá)到95%。該系統(tǒng)對新聞?wù)Z音識別具有較高的精度，是目前具有代表性的漢語連續(xù)語音識別系統(tǒng)。(2)國內(nèi)研究歷史及現(xiàn)狀我國語音識別研究工作起步于五十年代，但近年來發(fā)展很快。研究水平也從實驗室逐步走向?qū)嵱谩?987年開始執(zhí)行國家863計劃后，國家863智能計算機(jī)專家組為語音識別技術(shù)研究專門立項，每兩年滾動一次。我國語音識別技術(shù)的研究水平已經(jīng)基本上與國外同步，在漢語語音識別技術(shù)上還有自己的特點與優(yōu)勢，并達(dá)到國際先進(jìn)水平。中科院自動化所、聲學(xué)所、清華大學(xué)、北京大學(xué)、哈爾濱工業(yè)大學(xué)、上海交通大學(xué)、中國科技大學(xué)、北京郵電大學(xué)、華中科技大學(xué)等科研機(jī)構(gòu)都有實驗室進(jìn)行過語音識別方面的研究，其中具有代表性的研究單位為清華大學(xué)電子工程系與中科院自動化研究所模式識別國家重點實驗室。清華大學(xué)電子工程系語音技術(shù)與專用芯片設(shè)計課題組，研發(fā)的非特定人漢語數(shù)碼串連續(xù)語音識別系統(tǒng)的識別精度，達(dá)到（不定長數(shù)字串）和（定長數(shù)字串）。在有5%的拒識率情況下，系統(tǒng)識別率可以達(dá)到（不定長數(shù)字串）和（定長數(shù)字串），這是目前國際最好的識別結(jié)果之一，其性能已經(jīng)接近實用水平。研發(fā)的5000詞郵包校核非特定人連續(xù)語音識別系統(tǒng)的識別率達(dá)到，前三選識別率達(dá)；并且可以識別普通話與四川話兩種語言，達(dá)到實用要求。中科院自動化所及其所屬模式科技(Pattek)公司2002年發(fā)布了他們共同推出的面向不同計算平臺和應(yīng)用的“天語”中文語音系列產(chǎn)品——PattekASR，結(jié)束了中文語音識別產(chǎn)品自1998年以來一直由國外公司壟斷的歷史。二、語音識別系統(tǒng)的分類語音識別系統(tǒng)可以根據(jù)對輸入語音的限制加以分類。如果從說話者與識別系統(tǒng)的相關(guān)性考慮，可以將識別系統(tǒng)分為3類：(1)特定人語音識別系統(tǒng)：僅考慮對于專人的話音進(jìn)行識別；(2)非特定人語音系統(tǒng)：識別