科大讯飞语音识别技术，语音识别技术的发展史

很多朋友对科大讯飞语音识别技术，语音识别技术的发展史不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

从前年开始，海外的谷歌、亚马逊、苹果、微软、三星，国内的阿里、小米、JD.COM都纷纷涉足智能音箱领域。随着其快速发展，作为核心技术之一的语音识别技术逐渐进入人们的视线。在本文中，我们将讨论语音识别技术。语音识别技术简介

语音识别又称自动语音识别(ASR)技术，是一种让机器通过识别和理解的过程，将语音信号转换成相应的文本或命令，即让机器理解人类语音的高新技术。所谓理解，有两层意思。一是指把用户说的话逐字转换成文本；二是正确理解语音中包含的要求，做出正确的回应。

目前，语音识别技术在桌面系统、智能手机、导航设备等嵌入式领域都有一定程度的应用。语音识别系统和不同流程的语音识别系统实现细节不同，但采用的基本技术是相似的。典型的语音识别系统的实现过程如下图所示。语音识别的基本过程包括两个部分。一个是学习培训，一个是识别过程。

训练：预先分析语音特征参数，制作语音模板，存入语音参数数据库。识别：对待识别的语音采用与训练时相同的方式进行分析，得到语音参数，并与库中的参考模板逐一比较，通过判断法找到与语音特征最接近的模板，得到识别效果。语音识别系统的分类

(1)根据说话人说话风格的要求，可以分为孤立词(词)语音识别系统、连词语音识别系统和连续语音识别系统。孤立词识别：识别的单元是词、词或短语，它们形成识别的词汇，通过训练为每一个建立模板或模型。

连词识别：以相对较少的词为对象，可以完整地识别每个词。识别的词汇和标准模板或模型也是单词、词或短语，但识别时可以是连续的。

连续语音识别：以大部分单词为对象，待识别的语音是一些完整的句子。虽然你不能完全准确地认出每个单词，但你可以理解它的意思。连续语音识别也称为会话语音识别。可以理解为语音识别后，根据语言学知识推断出语音的意义内容。(2)根据对说话人的依赖程度，可以分为特定人语音识别系统和非特定人语音识别系统。

与说话人相关：语音识别的标准模板或模型只适用于某一个人。事实上，模板或模型是由人通过输入词汇表中每个单词、词或短语的发音来建立的。当其他人使用它时，他们需要建立自己的标准模板或模型。

与说话人无关：语音识别的标准模板或模型适应于特定类别(如标准普通话)的说话人，标准模板或模型由该类别中的多人训练生成。在识别时，可以由参加培训的说话人使用，也可以由不参加培训的同类说话人使用。(3)根据词汇量的大小，可以分为有限词汇量和无限词汇量的语音识别系统。

有限词汇量识别：根据词汇量中单词、词或短句的数量，大致可分为：100以下的小词汇量；100-1000中等词汇量；超过1000是一个很大的词汇量。无限词汇识别(全音节识别):当识别原语为普通话中所有汉字对应的可读音节时，称为全音节语音识别，是无线词汇或中文文本输入的基础。语音识别技术的“前世”我们来看看语音识别技术的“前世”:(1)初创阶段。

1952年，AT T贝尔实验室实现了一个由单个说话者孤立地发出的十个英文数字的语音识别系统。主要方法是测量每个数字元音段的共振峰。1960年，第一个计算机语音识别系统由英国的Denes等人研制成功。这期间提出的一些思想沿用至今。理论：模式识别、动态规划算法、时间规划算法、动态因素跟踪法。(2)快速发展阶段

在20世纪70年代，孤立词发音和孤立句发音的识别成为一种可行和有用的技术，大规模的语音识别研究在这一时期得到了极大的发展。80年代，研究的重点转向词汇的积累和连续语音识别，即从传统的基于标准模板匹配的技术思想转向基于统计模型的技术思想。此外，再次提出了将神经网络技术引入语音识别的技术思路。理论：声学模型-隐马尔可夫模型(HMM)

语言模型-N-GRAM模型(3)应用发展90年代，语音识别研究的重点转向自然语言的识别和处理，任务转向航空旅行信息的获取。与此同时，语音识别技术不断应用于电话网络，增强了运营商的服务和自动化。自2000年以来，人机语音交互成为研究的热点。研究的重点是识别和理解即兴口语，自然口语对话和多语言同声传译。

理论：声学模型-隐马尔可夫模型-深度神经网络(DNN)语言模型-N-Gram模型-反馈神经网络(FNN)语音识别领域的公司，如科大讯飞、腾讯、百度、苏洲精神、捷通华声、云知声等标签

随着语音识别技术的不断发展，Siri、Echo等智能语音助手可以联系和管理消息、邮件和日历账户，控制联网的家庭，播放音乐，甚至完成在线搜索或更多。我们只需要期待它。

以上知识分享希望能够帮助到大家！