序論：寫(xiě)作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來(lái)了七篇語(yǔ)音識(shí)別技術(shù)范文，愿它們成為您寫(xiě)作過(guò)程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

關(guān)鍵詞： 語(yǔ)音識(shí)別； 識(shí)別原理； 聲學(xué)建模方法； 多維模式識(shí)別系統(tǒng)

中圖分類號(hào)： TN912.3?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2013）13?0043?03

Summary of speech recognition technology and its application

YU Lin?lin

（Naval Aviation Military Representative Office Stationed in Beijing， Beijing 100041， China）

Abstract： As a key technology of human?computer interface in information technology， speech recognition has great research significance and broad application value. the development history of speech recognition technology is introduced， the basic knowledge of speech recognition is expounded， such as concept， basic principle， the acoustic modeling approach. The application of speech recognition technology in various fields are briefly introduced.

Keywords： speech recognition； recognition principle； acoustic modeling approach； multi?dimension pattern recognition system

0 引 言

語(yǔ)言是人類相互交流最常用、最有效、最重要和最方便的通信形式，語(yǔ)音是語(yǔ)言的聲學(xué)表現(xiàn)，與機(jī)器進(jìn)行語(yǔ)音交流是人類一直以來(lái)的夢(mèng)想。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，語(yǔ)音識(shí)別技術(shù)也取得突破性的成就，人與機(jī)器用自然語(yǔ)言進(jìn)行對(duì)話的夢(mèng)想逐步接近實(shí)現(xiàn)。語(yǔ)音識(shí)別技術(shù)的應(yīng)用范圍極為廣泛，不僅涉及到日常生活的方方面面，在軍事領(lǐng)域也發(fā)揮著極其重要的作用。它是信息社會(huì)朝著智能化和自動(dòng)化發(fā)展的關(guān)鍵技術(shù)，使人們對(duì)信息的處理和獲取更加便捷，從而提高人們的工作效率。

1 語(yǔ)音識(shí)別技術(shù)的發(fā)展

語(yǔ)音識(shí)別技術(shù)起始于20世紀(jì)50年代。這一時(shí)期，語(yǔ)音識(shí)別的研究主要集中在對(duì)元音、輔音、數(shù)字以及孤立詞的識(shí)別。

20世紀(jì)60年代，語(yǔ)音識(shí)別研究取得實(shí)質(zhì)性進(jìn)展。線性預(yù)測(cè)分析和動(dòng)態(tài)規(guī)劃的提出較好地解決了語(yǔ)音信號(hào)模型的產(chǎn)生和語(yǔ)音信號(hào)不等長(zhǎng)兩個(gè)問(wèn)題，并通過(guò)語(yǔ)音信號(hào)的線性預(yù)測(cè)編碼，有效地解決了語(yǔ)音信號(hào)的特征提取。

20世紀(jì)70年代，語(yǔ)音識(shí)別技術(shù)取得突破性進(jìn)展。基于動(dòng)態(tài)規(guī)劃的動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping， DTW）技術(shù)基本成熟，特別提出了矢量量化（Vector Quantization，VQ）和隱馬爾可夫模型（Hidden Markov Model，HMM）理論[1]。

20世紀(jì)80年代，語(yǔ)音識(shí)別任務(wù)開(kāi)始從孤立詞、連接詞的識(shí)別轉(zhuǎn)向大詞匯量、非特定人、連續(xù)語(yǔ)音的識(shí)別，識(shí)別算法也從傳統(tǒng)的基于標(biāo)準(zhǔn)模板匹配的方法轉(zhuǎn)向基于統(tǒng)計(jì)模型的方法。在聲學(xué)模型方面，由于HMM能夠很好的描述語(yǔ)音時(shí)變性和平穩(wěn)性，開(kāi)始被廣泛應(yīng)用于大詞匯量連續(xù)語(yǔ)音識(shí)別（Large Vocabulary Continous Speech Recognition， LVCSR）的聲學(xué)建模[2?3]；在語(yǔ)言模型方面，以N元文法為代表的統(tǒng)計(jì)語(yǔ)言模型開(kāi)始廣泛應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)[4]。在這一階段，基于HMM/VQ、HMM/高斯混合模型、HMM/人工神經(jīng)網(wǎng)絡(luò)的語(yǔ)音建模方法開(kāi)始廣泛應(yīng)用于LVCSR系統(tǒng)，語(yǔ)音識(shí)別技術(shù)取得新突破。

20世紀(jì)90年代以后，伴隨著語(yǔ)音識(shí)別系統(tǒng)走向?qū)嵱没Z(yǔ)音識(shí)別在細(xì)化模型的設(shè)計(jì)、參數(shù)提取和優(yōu)化、系統(tǒng)的自適應(yīng)方面取得較大進(jìn)展[5]。同時(shí)，人們更多地關(guān)注話者自適應(yīng)、聽(tīng)覺(jué)模型、快速搜索識(shí)別算法以及進(jìn)一步的語(yǔ)言模型的研究等課題[6]。此外，語(yǔ)音識(shí)別技術(shù)開(kāi)始與其他領(lǐng)域相關(guān)技術(shù)進(jìn)行結(jié)合，以提高識(shí)別的準(zhǔn)確率，便于實(shí)現(xiàn)語(yǔ)音識(shí)別技術(shù)的產(chǎn)品化。

2 語(yǔ)音識(shí)別基礎(chǔ)

2.1 語(yǔ)音識(shí)別概念

語(yǔ)音識(shí)別是將人類的聲音信號(hào)轉(zhuǎn)化為文字或者指令的過(guò)程[7]。語(yǔ)音識(shí)別以語(yǔ)音為研究對(duì)象，它是語(yǔ)音信號(hào)處理的一個(gè)重要研究方向，是模式識(shí)別的一個(gè)分支。語(yǔ)音識(shí)別的研究涉及微機(jī)技術(shù)、人工智能、數(shù)字信號(hào)處理、模式識(shí)別、聲學(xué)、語(yǔ)言學(xué)和認(rèn)知科學(xué)等許多學(xué)科領(lǐng)域，是一個(gè)多學(xué)科綜合性研究領(lǐng)域[8]。

根據(jù)在不同限制條件下的研究任務(wù)，產(chǎn)生了不同的研究領(lǐng)域。這些領(lǐng)域包括：根據(jù)對(duì)說(shuō)話人說(shuō)話方式的要求，可分為孤立字（詞）、連接詞和連續(xù)語(yǔ)音識(shí)別系統(tǒng)；根據(jù)對(duì)說(shuō)話人的依賴程度，可分為特定人和非特定人語(yǔ)音識(shí)別系統(tǒng)；根據(jù)詞匯量的大小，可分為小詞匯量、中等詞匯量、大詞匯量以及無(wú)限詞匯量語(yǔ)音識(shí)別系統(tǒng)。

2.2 語(yǔ)音識(shí)別基本原理

從語(yǔ)音識(shí)別模型的角度講，主流的語(yǔ)音識(shí)別系統(tǒng)理論是建立在統(tǒng)計(jì)模式識(shí)別基礎(chǔ)之上的。語(yǔ)音識(shí)別的目標(biāo)是利用語(yǔ)音學(xué)與語(yǔ)言學(xué)信息，把輸入的語(yǔ)音特征向量序列[X=x1，x2，…，xT]轉(zhuǎn)化成詞序列[W=w1，w2，…，wN]并輸出。基于最大后驗(yàn)概率的語(yǔ)音識(shí)別模型如下式所示：

[W=argmaxW{P（W|X）}=argmaxWP（W|X）P（W）P（X）=argmaxW{P（X|W）P（W）}=argmaxW{logP（X|W）+λlogP（W）}]

上式表明，要尋找的最可能的詞序列[W]，應(yīng)該使[P（X|W）]與[P（W）]的乘積達(dá)到最大。其中，[P（X|W）]是特征矢量序列[X]在給定[W]條件下的條件概率，由聲學(xué)模型決定。[P（W）]是[W]獨(dú)立于語(yǔ)音特征矢量的先驗(yàn)概率，由語(yǔ)言模型決定。由于將概率取對(duì)數(shù)不影響[W]的選取，第四個(gè)等式成立。[logP（X|W）]與[logP（W）]分別表示聲學(xué)得分與語(yǔ)言得分，且分別通過(guò)聲學(xué)模型與語(yǔ)言模型計(jì)算得到。[λ]是平衡聲學(xué)模型與語(yǔ)言模型的權(quán)重。從語(yǔ)音識(shí)別系統(tǒng)構(gòu)成的角度講，一個(gè)完整的語(yǔ)音識(shí)別系統(tǒng)包括特征提取、聲學(xué)模型、語(yǔ)言模型、搜索算法等模塊。語(yǔ)音識(shí)別系統(tǒng)本質(zhì)上是一種多維模式識(shí)別系統(tǒng)，對(duì)于不同的語(yǔ)音識(shí)別系統(tǒng)，人們所采用的具體識(shí)別方法及技術(shù)不同，但其基本原理都是相同的，即將采集到的語(yǔ)音信號(hào)送到特征提取模塊處理，將所得到的語(yǔ)音特征參數(shù)送入模型庫(kù)模塊，由聲音模式匹配模塊根據(jù)模型庫(kù)對(duì)該段語(yǔ)音進(jìn)行識(shí)別，最后得出識(shí)別結(jié)果[9]。

語(yǔ)音識(shí)別系統(tǒng)基本原理框圖如圖1所示，其中：預(yù)處理模塊濾除原始語(yǔ)音信號(hào)中的次要信息及背景噪音等，包括抗混疊濾波、預(yù)加重、模/數(shù)轉(zhuǎn)換、自動(dòng)增益控制等處理過(guò)程，將語(yǔ)音信號(hào)數(shù)字化；特征提取模塊對(duì)語(yǔ)音的聲學(xué)參數(shù)進(jìn)行分析后提取出語(yǔ)音特征參數(shù)，形成特征矢量序列。語(yǔ)音識(shí)別系統(tǒng)常用的特征參數(shù)有短時(shí)平均幅度、短時(shí)平均能量、線性預(yù)測(cè)編碼系數(shù)、短時(shí)頻譜等。特征提取和選擇是構(gòu)建系統(tǒng)的關(guān)鍵，對(duì)識(shí)別效果極為重要。

圖1 語(yǔ)音識(shí)別基本原理框圖

由于語(yǔ)音信號(hào)本質(zhì)上屬于非平穩(wěn)信號(hào)，目前對(duì)語(yǔ)音信號(hào)的分析是建立在短時(shí)平穩(wěn)性假設(shè)之上的。在對(duì)語(yǔ)音信號(hào)作短時(shí)平穩(wěn)假設(shè)后，通過(guò)對(duì)語(yǔ)音信號(hào)進(jìn)行加窗，實(shí)現(xiàn)短時(shí)語(yǔ)音片段上的特征提取。這些短時(shí)片段被稱為幀，以幀為單位的特征序列構(gòu)成語(yǔ)音識(shí)別系統(tǒng)的輸入。由于梅爾倒譜系數(shù)及感知線性預(yù)測(cè)系數(shù)能夠從人耳聽(tīng)覺(jué)特性的角度準(zhǔn)確刻畫(huà)語(yǔ)音信號(hào)，已經(jīng)成為目前主流的語(yǔ)音特征。為補(bǔ)償幀間獨(dú)立性假設(shè)，人們?cè)谑褂妹窢柕棺V系數(shù)及感知線性預(yù)測(cè)系數(shù)時(shí)，通常加上它們的一階、二階差分，以引入信號(hào)特征的動(dòng)態(tài)特征。

聲學(xué)模型是語(yǔ)音識(shí)別系統(tǒng)中最為重要的部分之一。聲學(xué)建模涉及建模單元選取、模型狀態(tài)聚類、模型參數(shù)估計(jì)等很多方面。在目前的LVCSR系統(tǒng)中，普遍采用上下文相關(guān)的模型作為基本建模單元，以刻畫(huà)連續(xù)語(yǔ)音的協(xié)同發(fā)音現(xiàn)象。在考慮了語(yǔ)境的影響后，聲學(xué)模型的數(shù)量急劇增加，LVCSR系統(tǒng)通常采用狀態(tài)聚類的方法壓縮聲學(xué)參數(shù)的數(shù)量，以簡(jiǎn)化模型的訓(xùn)練。在訓(xùn)練過(guò)程中，系統(tǒng)對(duì)若干次訓(xùn)練語(yǔ)音進(jìn)行預(yù)處理，并通過(guò)特征提取得到特征矢量序列，然后由特征建模模塊建立訓(xùn)練語(yǔ)音的參考模式庫(kù)。

搜索是在指定的空間當(dāng)中，按照一定的優(yōu)化準(zhǔn)則，尋找最優(yōu)詞序列的過(guò)程。搜索的本質(zhì)是問(wèn)題求解，廣泛應(yīng)用于語(yǔ)音識(shí)別、機(jī)器翻譯等人工智能和模式識(shí)別的各個(gè)領(lǐng)域。它通過(guò)利用已掌握的知識(shí)（聲學(xué)知識(shí)、語(yǔ)音學(xué)知識(shí)、詞典知識(shí)、語(yǔ)言模型知識(shí)等），在狀態(tài)（從高層至底層依次為詞、聲學(xué)模型、HMM狀態(tài)）空間中找到最優(yōu)的狀態(tài)序列。最終的詞序列是對(duì)輸入的語(yǔ)音信號(hào)在一定準(zhǔn)則下的一個(gè)最優(yōu)描述。在識(shí)別階段，將輸入語(yǔ)音的特征矢量參數(shù)同訓(xùn)練得到的參考模板庫(kù)中的模式進(jìn)行相似性度量比較，將相似度最高的模式所屬的類別作為識(shí)別中間候選結(jié)果輸出。為了提高識(shí)別的正確率，在后處理模塊中對(duì)上述得到的候選識(shí)別結(jié)果繼續(xù)處理，包括通過(guò)Lattice重打分融合更高元的語(yǔ)言模型、通過(guò)置信度度量得到識(shí)別結(jié)果的可靠程度等。最終通過(guò)增加約束，得到更可靠的識(shí)別結(jié)果。

2.3 聲學(xué)建模方法

常用的聲學(xué)建模方法包含以下三種：基于模式匹配的動(dòng)態(tài)時(shí)間規(guī)整法（DTW）；隱馬爾可夫模型法（HMM）；基于人工神經(jīng)網(wǎng)絡(luò)識(shí)別法（ANN）等。

DTW 是較早的一種模式匹配的方法。它基于動(dòng)態(tài)規(guī)劃的思想，解決孤立詞語(yǔ)音識(shí)別中的語(yǔ)音信號(hào)特征參數(shù)序列比較時(shí)長(zhǎng)度不一的模板匹配問(wèn)題。在實(shí)際應(yīng)用中，DTW通過(guò)計(jì)算已預(yù)處理和分幀的語(yǔ)音信號(hào)與參考模板之間的相似度，再按照某種距離測(cè)度計(jì)算出模板間的相似度并選擇最佳路徑。

HMM是對(duì)語(yǔ)音信號(hào)的時(shí)間序列結(jié)構(gòu)所建立的統(tǒng)計(jì)模型，是在馬爾可夫鏈的基礎(chǔ)上發(fā)展起來(lái)的，它是一種基于參數(shù)模型的統(tǒng)計(jì)識(shí)別方法。HMM可模仿人的言語(yǔ)過(guò)程，可視作一個(gè)雙重隨機(jī)過(guò)程：一個(gè)是用具有有限狀態(tài)數(shù)的馬爾可夫鏈來(lái)模擬語(yǔ)音信號(hào)統(tǒng)計(jì)特性變化的隱含的隨機(jī)過(guò)程，另一個(gè)是與馬爾可夫鏈的每一個(gè)狀態(tài)相關(guān)聯(lián)的觀測(cè)序列的隨機(jī)過(guò)程[10]。

ANN以數(shù)學(xué)模型模擬神經(jīng)元活動(dòng)，將人工神經(jīng)網(wǎng)絡(luò)中大量神經(jīng)元并行分布運(yùn)算的原理、高效的學(xué)習(xí)算法以及對(duì)人的認(rèn)知系統(tǒng)的模仿能力充分運(yùn)用到語(yǔ)音識(shí)別領(lǐng)域，并結(jié)合神經(jīng)網(wǎng)絡(luò)和隱含馬爾可夫模型的識(shí)別算法，克服了ANN在描述語(yǔ)音信號(hào)時(shí)間動(dòng)態(tài)特性方面的缺點(diǎn)，進(jìn)一步提高了語(yǔ)音識(shí)別的魯棒性和準(zhǔn)確率。其中成功的方法就是在混合模型中用ANN替代高斯混合模型估計(jì)音素或狀態(tài)的后驗(yàn)概率。2011年，微軟以深度神經(jīng)網(wǎng)絡(luò)替代多層感知機(jī)形成的混合模型系統(tǒng)大大提高了語(yǔ)音識(shí)別的準(zhǔn)確率。

3 語(yǔ)音識(shí)別的應(yīng)用

語(yǔ)音識(shí)別技術(shù)有著非常廣泛的應(yīng)用領(lǐng)域和市場(chǎng)前景。在語(yǔ)音輸入控制系統(tǒng)中，它使得人們可以甩掉鍵盤，通過(guò)識(shí)別語(yǔ)音中的要求、請(qǐng)求、命令或詢問(wèn)來(lái)作出正確的響應(yīng)，這樣既可以克服人工鍵盤輸入速度慢，極易出差錯(cuò)的缺點(diǎn)，又有利于縮短系統(tǒng)的反應(yīng)時(shí)間，使人機(jī)交流變得簡(jiǎn)便易行，比如用于聲控語(yǔ)音撥號(hào)系統(tǒng)、聲控智能玩具、智能家電等領(lǐng)域。在智能對(duì)話查詢系統(tǒng)中，人們通過(guò)語(yǔ)音命令，可以方便地從遠(yuǎn)端的數(shù)據(jù)庫(kù)系統(tǒng)中查詢與提取有關(guān)信息，享受自然、友好的數(shù)據(jù)庫(kù)檢索服務(wù)，例如信息網(wǎng)絡(luò)查詢、醫(yī)療服務(wù)、銀行服務(wù)等。語(yǔ)音識(shí)別技術(shù)還可以應(yīng)用于自動(dòng)口語(yǔ)翻譯，即通過(guò)將口語(yǔ)識(shí)別技術(shù)、機(jī)器翻譯技術(shù)、語(yǔ)音合成技術(shù)等相結(jié)合，可將一種語(yǔ)言的語(yǔ)音輸入翻譯為另一種語(yǔ)言的語(yǔ)音輸出，實(shí)現(xiàn)跨語(yǔ)言交流[11]。

語(yǔ)音識(shí)別技術(shù)在軍事斗爭(zhēng)領(lǐng)域里也有著極為重要的應(yīng)用價(jià)值和極其廣闊的應(yīng)用空間。一些語(yǔ)音識(shí)別技術(shù)就是著眼于軍事活動(dòng)而研發(fā)，并在軍事領(lǐng)域首先應(yīng)用、首獲成效的，軍事應(yīng)用對(duì)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度、響應(yīng)時(shí)間、惡劣環(huán)境下的頑健性都提出了更高的要求。目前，語(yǔ)音識(shí)別技術(shù)已在軍事指揮和控制自動(dòng)化方面得以應(yīng)用。比如，將語(yǔ)音識(shí)別技術(shù)應(yīng)用于航空飛行控制，可快速提高作戰(zhàn)效率和減輕飛行員的工作負(fù)擔(dān)，飛行員利用語(yǔ)音輸入來(lái)代替?zhèn)鹘y(tǒng)的手動(dòng)操作和控制各種開(kāi)關(guān)和設(shè)備，以及重新改編或排列顯示器上的顯示信息等，可使飛行員把時(shí)間和精力集中于對(duì)攻擊目標(biāo)的判斷和完成其他操作上來(lái)，以便更快獲得信息來(lái)發(fā)揮戰(zhàn)術(shù)優(yōu)勢(shì)。

4 結(jié) 語(yǔ)

語(yǔ)音識(shí)別的研究工作對(duì)于信息化社會(huì)的發(fā)展，人們生活水平的提高等方面有著深遠(yuǎn)的意義。隨著計(jì)算機(jī)信息技術(shù)的不斷發(fā)展，語(yǔ)音識(shí)別技術(shù)將取得更多重大突破，語(yǔ)音識(shí)別系統(tǒng)的研究將會(huì)更加深入，有著更加廣闊的發(fā)展空間。

參考文獻(xiàn)

[1] 馬志欣，王宏，李鑫.語(yǔ)音識(shí)別技術(shù)綜述[J].昌吉學(xué)院學(xué)報(bào)，2006（3）：93?97.

[2] RABINER L R， JUANG B H. An introduction to hidden Markov models [J]. IEEE ASSP Magazine， 1986， 3（1）： 4?16.

[3] GALES M， YOUNG S. The application of hidden Markov models in speech recognition [J]. Foundations and Trends in Signal Processing， 2008， 1（3）： 195?304.

[4] JELINEK F. Continuous speech recognition by statistical methods [J]. Proceedings of the IEEE， 1976， 64（4）： 532?556.

[5] 倪崇嘉，劉文舉，徐波.漢語(yǔ)大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)研究進(jìn)展[J].中文信息學(xué)報(bào)，2009，23（1）：112?123.

[6] 顧亞強(qiáng).非特定人語(yǔ)音識(shí)別關(guān)鍵技術(shù)研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2009.

[7] 中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB/T21023?2007 中文語(yǔ)音識(shí)別系統(tǒng)通用技術(shù)規(guī)范[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2007.

[8] 王文慧.基于ARM的嵌入式語(yǔ)音識(shí)別系統(tǒng)研究[D].天津：天津大學(xué)，2008.

[9] 何湘智.語(yǔ)音識(shí)別的研究與發(fā)展[J].計(jì)算機(jī)與現(xiàn)代化，2002（3）：3?6.

篇(2)

關(guān)鍵詞：嵌入式系統(tǒng)；語(yǔ)音識(shí)別；隱馬爾可夫；智能家居

中圖分類號(hào)：TP316.9

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.3969/j.issn.1003-6970.2015.07.021

0 引言

隨著計(jì)算機(jī)的發(fā)展，智能家居在近幾年也得到了大家的重視，智能家居利用各種通信、網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)家居設(shè)備集成，為用戶提供了更加舒適高效的環(huán)境。近幾年人們對(duì)智能家居的便利程度提出了更高的要求，同時(shí)語(yǔ)音識(shí)別技術(shù)也進(jìn)一步的發(fā)展，但是語(yǔ)音在智能家居中的應(yīng)用還是相對(duì)較少，一般還要依靠遙控、手機(jī)等中控設(shè)備。語(yǔ)言是信息交流的重要手段，語(yǔ)音識(shí)別可以用聲音來(lái)控制設(shè)備完成一些特定的命令，減少用戶如手機(jī)，遙控等中控設(shè)備的依賴，使生活更加方便。

本文通過(guò)對(duì)語(yǔ)音識(shí)別技術(shù)與嵌入式控制技術(shù)的研究，用語(yǔ)音命令實(shí)現(xiàn)直接管控從而可以取代以往利用手機(jī)或者遙控方式來(lái)控制的方法，方便操作而又能提高效率。本系統(tǒng)基于NL6621板與語(yǔ)音芯片VS1003實(shí)現(xiàn)語(yǔ)音采集，并采用當(dāng)今語(yǔ)音識(shí)別領(lǐng)域的主流技術(shù)一一隱馬爾科夫模型（Hidden Markov Model，HMM）算法實(shí)現(xiàn)對(duì)人語(yǔ)音命令的識(shí)別主要是進(jìn)行模型訓(xùn)練和匹配。實(shí)驗(yàn)證明在多個(gè)語(yǔ)音樣本對(duì)系統(tǒng)的訓(xùn)練識(shí)別下，系統(tǒng)在非特定人、孤立詞語(yǔ)識(shí)別上具有良好的效果。

1 語(yǔ)音識(shí)別與智能家居

1.1 語(yǔ)音識(shí)別技術(shù)

語(yǔ)音識(shí)別技術(shù)本質(zhì)上是一種模式匹配識(shí)別的過(guò)程，是機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變成相應(yīng)的文本文件或命令的技術(shù)。根據(jù)模式匹配過(guò)程語(yǔ)音識(shí)別系統(tǒng)可以如下圖表示。語(yǔ)音識(shí)別系統(tǒng)可以分為：特定人和非特定人的識(shí)別、獨(dú)立詞和連續(xù)詞的識(shí)別等，無(wú)論哪種識(shí)別系統(tǒng)識(shí)別過(guò)程都主要包括了語(yǔ)音信號(hào)預(yù)處理、特征提取、訓(xùn)練等。分別通過(guò)對(duì)信號(hào)的預(yù)處理分析和計(jì)算建立模板，當(dāng)對(duì)語(yǔ)音進(jìn)行識(shí)別時(shí)，需要將輸入的語(yǔ)音與系統(tǒng)中存放的語(yǔ)音進(jìn)行比較從而得到識(shí)別結(jié)果。

1.2 語(yǔ)音識(shí)別算法

人的言語(yǔ)過(guò)程是一個(gè)雙重隨機(jī)過(guò)程。因?yàn)檎Z(yǔ)音信號(hào)本身是一個(gè)可觀察的序列，而它又是由大腦里的不可觀察的、根據(jù)言語(yǔ)需要和語(yǔ)法知識(shí)狀態(tài)選擇所發(fā)出的音素（詞、句）的參數(shù)流，大量實(shí)驗(yàn)表明，隱馬爾可夫模型（HMM）的確可以非常精確地描述語(yǔ)音信號(hào)的產(chǎn)生過(guò)程。隱馬爾可夫模型是對(duì)語(yǔ)音信號(hào)的時(shí)間序列結(jié)構(gòu)建立統(tǒng)計(jì)模型，將之看作一個(gè)數(shù)學(xué)上的雙重隨機(jī)過(guò)程，采用HMM進(jìn)行語(yǔ)音識(shí)別，實(shí)質(zhì)上是一種概率運(yùn)算，根據(jù)訓(xùn)練集數(shù)據(jù)計(jì)算得出模型參數(shù)后，測(cè)試集數(shù)據(jù)只需分別計(jì)算各模型的條件概率（Viterbi算法），取此概率最大者即為識(shí)別結(jié)果。一階離散馬爾可夫模型可表示為：有N個(gè)狀態(tài)，Sl，S2... SN，存在一個(gè)離散的時(shí)間序列t=0，t=1…在每個(gè)時(shí)刻t，系統(tǒng)只能處于唯一一個(gè)狀態(tài)qt，下一個(gè)時(shí)刻所處的狀態(tài)是隨機(jī)出現(xiàn)的，當(dāng)前狀態(tài)qt只與前面相鄰的一個(gè)狀態(tài)qt-l有關(guān)， 與其他狀態(tài)無(wú)關(guān)，用表達(dá)式

HMM語(yǔ)音識(shí)別的一般過(guò)程：

1.前向后向算法計(jì)算

已知觀測(cè)序列 和模型 ，如何有效的計(jì)算在給定模型條件下產(chǎn)生觀測(cè)序列O的概率

2.Baum-Welch算法求出最優(yōu)解 ：

（1）初始化

（2）迭代計(jì)算

（3）最后計(jì)算

3.Viterbi算法解出最佳狀態(tài)轉(zhuǎn)移序列：

已知觀測(cè)序列 和模型 ，如何選擇在某種意義上最佳的狀態(tài)序列。

（1）初始化

（2）迭代計(jì)算：

4.根據(jù)最佳狀態(tài)序列對(duì)應(yīng)的九給出候選音節(jié)或聲韻母

5.通過(guò)語(yǔ)言模型形成詞和句子

2 基于NL6621嵌入式硬件設(shè)計(jì)

語(yǔ)音識(shí)別的硬件平臺(tái)主要包括中央處理器NL6621，可讀寫(xiě)存儲(chǔ)器，聲卡芯片vs1003以及一些設(shè)備，硬件體系結(jié)構(gòu)如圖2所示。

主系統(tǒng)使用新岸線公司的NL6621。MCU采用的最高主頻為160MHz，支持802.llb/g/n/i/e/p和Wi-Fidirect，BSS STA，軟AP，WiFi保護(hù)設(shè)置以及WMM-PS和WPA/WPA2安全協(xié)議。codec芯片是vs1003，它與核心控制器NL6621的數(shù)據(jù)通信是通過(guò)SPI總線方式進(jìn)行的。它集成了麥克風(fēng)輸入接口，音頻輸出接口，對(duì)話筒輸入或者線路輸入進(jìn)行IMA ADPCM編碼，能有效的接受和播放音頻信息。

硬件電路實(shí)現(xiàn)：VS1003通過(guò)xCS、xDCS引腳的置高或低來(lái)確認(rèn)是哪一個(gè)接口處于傳送狀態(tài)。通過(guò)串行命令接口（SCI）和串行數(shù)據(jù)接口（SDI）來(lái)接收NL6621的控制命令和數(shù)據(jù)，通過(guò)SCI HDAT1來(lái)獲取語(yǔ)音流；VS1003的功能控制，如初始化、軟復(fù)位、暫停、音量控制、播放時(shí)間的讀取等，均是通過(guò)SCI口寫(xiě)入特定寄存器實(shí)現(xiàn)的。兩條SCI指令之間要通過(guò)DREQ引腳信號(hào)判斷上一次處理是否完成。

3 基于NL6621嵌入式軟件設(shè)計(jì)

軟件設(shè)計(jì)主要包括兩部分實(shí)現(xiàn)軟件控制嵌入式系統(tǒng)和基于HMM技術(shù)的語(yǔ)音識(shí)別算法編寫(xiě)，基本的軟件架構(gòu)如圖3所示。

針對(duì)嵌入式系統(tǒng)控制部分，包括硬件初始化以及采集音頻信號(hào)。主要是使用NL6621提供的軟件開(kāi)發(fā)包，利用SDK編寫(xiě)應(yīng)用程序，包括硬件管腳初始化，波特率匹配，錄音文件配置，WiFi配置，錄音，音頻文件格式轉(zhuǎn)化、程序編寫(xiě)完成后需要用燒寫(xiě)工具進(jìn)行燒寫(xiě)。系統(tǒng)啟動(dòng)后，先初始化硬件模塊。然后系統(tǒng)開(kāi)始工作，通過(guò)語(yǔ)音輸入設(shè)備MIC采集語(yǔ)音，并通過(guò)聲卡VS1003輸入語(yǔ)音。當(dāng)系統(tǒng)監(jiān)聽(tīng)到語(yǔ)音輸入，開(kāi)始語(yǔ)音識(shí)別，判斷識(shí)別是否正確，若正確，將命令發(fā)送給執(zhí)行設(shè)備，入耳不正確，給出相應(yīng)

的錯(cuò)誤提示，不執(zhí)行語(yǔ)音命令。判斷識(shí)別是否結(jié)束，如果結(jié)束則退出，否則繼續(xù)下一輪的識(shí)別。基于HMM技術(shù)的語(yǔ)音識(shí)別算法編寫(xiě)，還包括了語(yǔ)音預(yù)處理，特征值提取和匹配識(shí)別的部分。主要的原理如圖4所示，輸入語(yǔ)音經(jīng)過(guò)預(yù)處理后，語(yǔ)音信號(hào)的特征被提取出來(lái)，首先在此基礎(chǔ)上建立所需的模板，這個(gè)建立模板的過(guò)程稱為訓(xùn)練過(guò)程。根據(jù)語(yǔ)音識(shí)別整體模型，將輸入的語(yǔ)音信號(hào)特征與存在的語(yǔ)音模板（參考模式）進(jìn)行比較，找出一系列最優(yōu)的與輸入的語(yǔ)音相匹配的模板。然后，根據(jù)此模板號(hào)的定義，通過(guò)查表就可以給出計(jì)算機(jī)的識(shí)別結(jié)果。采用HMM進(jìn)行語(yǔ)音識(shí)別，實(shí)質(zhì)上是一種概率運(yùn)算。根據(jù)訓(xùn)練集數(shù)據(jù)計(jì)算得出模型參數(shù)后，測(cè)試集數(shù)據(jù)只需分別計(jì)算各模型的條件概率（Viterbi算法），取此概率最大者即為識(shí)別結(jié)果。除訓(xùn)練時(shí)需運(yùn)算量較大外，識(shí)別時(shí)的運(yùn)算量?jī)H有模式匹配法的幾分之一。

篇(3)

【關(guān)鍵詞】語(yǔ)音識(shí)別技術(shù)；語(yǔ)言實(shí)驗(yàn)室

語(yǔ)音識(shí)別技術(shù)是使用計(jì)算機(jī)能識(shí)別和理解的語(yǔ)言，把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的過(guò)程。語(yǔ)音識(shí)別是一門涉及到語(yǔ)音語(yǔ)言學(xué)、信號(hào)處理、模式識(shí)別、人工智能的多學(xué)科交叉技術(shù)，也是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。隨著語(yǔ)音識(shí)別技術(shù)的發(fā)展，在傳統(tǒng)的數(shù)字化語(yǔ)言實(shí)驗(yàn)室中其可以作為一種新的外語(yǔ)輔助教學(xué)的手段，完善現(xiàn)有的數(shù)字化語(yǔ)音室的功能。

一、語(yǔ)音識(shí)別技術(shù)

語(yǔ)音識(shí)別技術(shù)是一種讓計(jì)算機(jī)能夠聽(tīng)懂人的語(yǔ)音命令的技術(shù)。對(duì)使用者來(lái)說(shuō)，這種人機(jī)交互的途徑是最自然的一種方式。早在三四十年前，美國(guó)的一些大學(xué)和實(shí)驗(yàn)室就開(kāi)始了語(yǔ)音識(shí)別技術(shù)的研究，50年代的AT&T Bell實(shí)驗(yàn)室研發(fā)的Audry系統(tǒng)第一個(gè)實(shí)現(xiàn)了可識(shí)別十個(gè)英文數(shù)字。60和70年代，提出了線性預(yù)測(cè)分析技術(shù)（LP）等相關(guān)理論并深入研究，創(chuàng)造出可以實(shí)現(xiàn)特定人孤立語(yǔ)音識(shí)別系統(tǒng)；80 年代和90年代是語(yǔ)音識(shí)別技術(shù)應(yīng)用研究方向的，HMM 模型和人工神經(jīng)元網(wǎng)絡(luò)（ANN）的成功應(yīng)用，使得語(yǔ)音識(shí)別系統(tǒng)的性能比以往更優(yōu)異；伴隨著多媒體時(shí)代的來(lái)臨，微軟，Apple 等著名公司都研發(fā)出相當(dāng)成功的商業(yè)應(yīng)用語(yǔ)音識(shí)別系統(tǒng)，比如，Apple的Siri系統(tǒng)，微軟的Phone Query（電話語(yǔ)音識(shí)別）引擎等。近二三十年來(lái)，語(yǔ)音識(shí)別在交通、軍事、工業(yè)、醫(yī)學(xué)等諸多方面，特別是在計(jì)算機(jī)、通信與電子系統(tǒng)、信息處理、自動(dòng)控制等領(lǐng)域中有著非常廣泛的應(yīng)用。目前，語(yǔ)音識(shí)別技術(shù)產(chǎn)品在人機(jī)交互應(yīng)用中己經(jīng)占到越來(lái)越大的比例。例如，在聲控應(yīng)用中，計(jì)算機(jī)可識(shí)別輸入的語(yǔ)音內(nèi)容，并根據(jù)內(nèi)容來(lái)執(zhí)行相應(yīng)的動(dòng)作，這包括了聲控語(yǔ)音撥號(hào)系統(tǒng)、聲控智能玩具、醫(yī)療服務(wù)、賓館服務(wù)、家庭服務(wù)、股票查詢服務(wù)和工業(yè)控制等。也可用于基于微型機(jī)的辦公、教學(xué)、娛樂(lè)等智能多媒體軟件，如語(yǔ)言學(xué)習(xí)、教學(xué)軟件、語(yǔ)音玩具、語(yǔ)音書(shū)籍等。語(yǔ)音識(shí)別技術(shù)作為語(yǔ)音控制的主體，在應(yīng)用領(lǐng)域中正成為一個(gè)具有競(jìng)爭(zhēng)力的技術(shù)。

語(yǔ)音識(shí)別的開(kāi)發(fā)平臺(tái)現(xiàn)已逐步成熟，在windows下有微軟的SAPI語(yǔ)音識(shí)別開(kāi)發(fā)平臺(tái)，在Unix/Linux下有IBM的ViaVoice和開(kāi)源的Xvoice開(kāi)發(fā)平臺(tái)。它們都是相當(dāng)優(yōu)秀音識(shí)別開(kāi)發(fā)系統(tǒng)，提供了良好的開(kāi)發(fā)接口，使語(yǔ)音識(shí)別應(yīng)用程序開(kāi)發(fā)能夠不需要對(duì)現(xiàn)有系統(tǒng)做大規(guī)模的修改，以較少投入、較短周期、以組件方式加入到當(dāng)前的語(yǔ)言實(shí)驗(yàn)室中。

二、語(yǔ)音識(shí)別技術(shù)在語(yǔ)言實(shí)驗(yàn)室中的應(yīng)用

1.有聲圖書(shū)

可以將一些由外籍專家錄制的有聲圖書(shū)加入到語(yǔ)言實(shí)驗(yàn)室的資料庫(kù)中。標(biāo)準(zhǔn)的美式或英式發(fā)音，結(jié)合文本，逐字逐句的朗讀，讓學(xué)生可以在閱讀英語(yǔ)圖書(shū)的同時(shí)聆聽(tīng)到原汁原味的英語(yǔ)。所有圖書(shū)都支持自動(dòng)播放，可以一次聽(tīng)完整本書(shū)，學(xué)生也可以選擇單獨(dú)播放某個(gè)句子，并鼓勵(lì)學(xué)生模仿標(biāo)準(zhǔn)的語(yǔ)音語(yǔ)調(diào)朗讀圖書(shū)。從而對(duì)學(xué)生的閱讀、聽(tīng)力、口語(yǔ)進(jìn)行全方位的提高。

2.口述作文

影響語(yǔ)音識(shí)別系統(tǒng)輔助學(xué)生口述作文的最為關(guān)鍵技術(shù)是識(shí)別率和糾錯(cuò)能力，從某種意義上說(shuō)，只要這兩個(gè)關(guān)鍵的技術(shù)得到了提高，則其輔助寫(xiě)作的有效性就會(huì)得到較大提高。近幾年，隨著多媒體技術(shù)和人工智能技術(shù)的進(jìn)步，不僅語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率得到很大提高，而且多語(yǔ)言的語(yǔ)音識(shí)別產(chǎn)品也大為豐富。目前國(guó)際商業(yè)機(jī)器（IBM）公司推出的語(yǔ)音識(shí)別軟件具有非特定人，無(wú)限詞匯量，連續(xù)語(yǔ)音識(shí)別，高識(shí)別率，專業(yè)文章智能分析、理解等強(qiáng)大的語(yǔ)音功能。該軟件通過(guò)對(duì)個(gè)人話語(yǔ)進(jìn)行測(cè)試與分析來(lái)適應(yīng)說(shuō)話者，適應(yīng)后的語(yǔ)音識(shí)別正確率可以達(dá)到95%以上。與過(guò)去相比，其識(shí)別率提高了很多，已經(jīng)完全可以接受。語(yǔ)音識(shí)別系統(tǒng)除了識(shí)別率目前已有很大提高，其智能糾錯(cuò)能力也大為提高。一是糾錯(cuò)的操作更加方便和容易，目前的語(yǔ)音識(shí)別系統(tǒng)，可以有三種糾錯(cuò)方式：①通過(guò)鍵盤輸入方式；②系統(tǒng)智化地產(chǎn)生錯(cuò)誤詞的相近詞列出，供修改者選擇；③還可以通過(guò)重讀來(lái)糾錯(cuò)。二是通過(guò)糾錯(cuò)，可讓語(yǔ)音識(shí)別系統(tǒng)更進(jìn)一步地熟悉說(shuō)話者的聲音，而非常有效地提高系統(tǒng)識(shí)別率。隨著信息技術(shù)的迅速發(fā)展，今后的語(yǔ)音識(shí)別系統(tǒng)必將是功能更加強(qiáng)大，智能化程度更高，兼容性更強(qiáng)，抗噪音能力更強(qiáng)的系統(tǒng)，其輔助口述作文的有效性也會(huì)更強(qiáng)。

3.英語(yǔ)口語(yǔ)糾正系統(tǒng)

語(yǔ)音識(shí)別技術(shù)的應(yīng)用使得軟件可以具有發(fā)音評(píng)測(cè)的功能，能夠幫助學(xué)習(xí)者及時(shí)發(fā)現(xiàn)和糾正發(fā)音的錯(cuò)誤，避免重復(fù)錯(cuò)誤形成習(xí)慣，從而極大提高了學(xué)習(xí)者的學(xué)習(xí)效率。英語(yǔ)口語(yǔ)學(xué)習(xí)中語(yǔ)音識(shí)別技術(shù)遇到的難點(diǎn)主要有：①語(yǔ)音識(shí)別選取基元的問(wèn)題。一般地，欲識(shí)別的詞匯量比較多時(shí)，所用基元應(yīng)該越小越好；②端點(diǎn)檢測(cè)。語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別的關(guān)鍵。據(jù)研究表明，即便是在安靜的環(huán)境下，語(yǔ)音識(shí)別系統(tǒng)也會(huì)有一半以上的識(shí)別錯(cuò)誤源自端點(diǎn)檢測(cè)器。提高端點(diǎn)檢測(cè)技術(shù)的關(guān)鍵所在是尋找穩(wěn)定的語(yǔ)音參數(shù)；③找出反映發(fā)音質(zhì)量的性能指標(biāo)。主要是對(duì)發(fā)音段（指一段發(fā)音的語(yǔ)速、韻律、語(yǔ)調(diào)以及重音等）的研究；④對(duì)給定的發(fā)音進(jìn)行錯(cuò)誤檢測(cè)和糾正，尋找合理的評(píng)分機(jī)制。

由于語(yǔ)音識(shí)別在理論與技術(shù)方面的復(fù)雜性，現(xiàn)有的口語(yǔ)糾正軟件仍有很大限制范圍，但隨著語(yǔ)音技術(shù)的發(fā)展相信其在外語(yǔ)語(yǔ)言學(xué)習(xí)中的應(yīng)用會(huì)越來(lái)越廣泛。

三、結(jié)束語(yǔ)

語(yǔ)音識(shí)別技術(shù)作為一種逐漸成熟的計(jì)算機(jī)技術(shù)，是計(jì)算機(jī)輔助外語(yǔ)教學(xué)中的一種重要虛擬現(xiàn)實(shí)手段。而人機(jī)交互是數(shù)字語(yǔ)音室的一個(gè)發(fā)展方向，也是外語(yǔ)網(wǎng)絡(luò)教學(xué)的核心內(nèi)容。所以，語(yǔ)音識(shí)別技術(shù)會(huì)是未來(lái)語(yǔ)言實(shí)驗(yàn)室的建設(shè)中的一個(gè)重要方向。

參考文獻(xiàn)：

[1]夏晴.ARS和TTS技術(shù)在外語(yǔ)口語(yǔ)教學(xué)中的應(yīng)用研究[J].外語(yǔ)電化教學(xué)，2006（2）

[2]周英.語(yǔ)音識(shí)別技術(shù)發(fā)展趨勢(shì)的分析[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2012（19）

[3]孔菊芳.基于語(yǔ)音識(shí)別技術(shù)的英語(yǔ)學(xué)習(xí)網(wǎng)站分析[J].哈爾濱職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2012（5）

篇(4)

關(guān)鍵詞：英語(yǔ)口語(yǔ)；語(yǔ)音識(shí)別；英文朗讀；評(píng)分機(jī)制

語(yǔ)音識(shí)別技術(shù)使人與機(jī)器的交流成為現(xiàn)實(shí)，它開(kāi)創(chuàng)了口語(yǔ)移動(dòng)學(xué)習(xí)的全新教育方式，受到越來(lái)越多的關(guān)注。借助互聯(lián)網(wǎng)，移動(dòng)學(xué)習(xí)以其學(xué)習(xí)時(shí)間靈活，學(xué)習(xí)內(nèi)容豐富、精煉且片段化等特點(diǎn)，開(kāi)辟了學(xué)習(xí)的新理念，讓口語(yǔ)學(xué)習(xí)真正擺脫了時(shí)間和空間的限制，使任何人在任何時(shí)間、任何地點(diǎn)根據(jù)需要進(jìn)行自主學(xué)習(xí)成為可能。目前，已有的基于PC的智能英語(yǔ)學(xué)習(xí)軟件，能提供基于計(jì)算機(jī)的輔助技術(shù)，讓學(xué)習(xí)者及時(shí)得到發(fā)音質(zhì)量評(píng)分的智能化功能，但是基于手機(jī)端的口語(yǔ)學(xué)習(xí)應(yīng)用不多。

本終端是一款基于Android系統(tǒng)開(kāi)發(fā)的，進(jìn)行英語(yǔ)口語(yǔ)學(xué)習(xí)的安卓語(yǔ)音軟件。產(chǎn)品結(jié)合Google語(yǔ)音識(shí)別技術(shù)，使用GPRS或WiFi進(jìn)行移動(dòng)終端與Google云服務(wù)端之間的數(shù)據(jù)交流，并通過(guò)對(duì)語(yǔ)音識(shí)別結(jié)果的處理，最終設(shè)計(jì)成一個(gè)可以進(jìn)行英語(yǔ)口語(yǔ)專線訓(xùn)練和自主訓(xùn)練的應(yīng)用Oral Storm。

1 研究基礎(chǔ)

Android平臺(tái)自底層向上由四個(gè)層次組成：Linux內(nèi)核層、Android運(yùn)行時(shí)庫(kù)與其他庫(kù)層、應(yīng)用框架層、應(yīng)用程序?qū)印Ｋ捎密浖褜樱╯oftware stack），又名軟件疊層的構(gòu)架，主要分為3部分：底層以Linux內(nèi)核工作為基礎(chǔ)，由C語(yǔ)言開(kāi)發(fā)，只提供基本功能；中間層包括函數(shù)庫(kù)Library和虛擬機(jī)（virtual machine），用C++開(kāi)發(fā)，最上層是各種應(yīng)用軟件。

2 應(yīng)用架構(gòu)及功能說(shuō)明

專項(xiàng)訓(xùn)練模塊主要是對(duì)英語(yǔ)口語(yǔ)比較重要的四個(gè)發(fā)音類別進(jìn)行系統(tǒng)訓(xùn)練，這4個(gè)發(fā)音類別分別是清輔音、濁輔音、摩擦音和爆破音。在進(jìn)入訓(xùn)練界面之前，有對(duì)各類發(fā)音方法和技巧的介紹，利于用戶方便快速地學(xué)習(xí)口語(yǔ)的正確發(fā)音。我們將每種發(fā)音訓(xùn)練模式中的單詞都分成10個(gè)小組，這些單詞都是由學(xué)校專業(yè)英語(yǔ)教師挑選的有代表性的詞，適合用于英語(yǔ)口語(yǔ)基礎(chǔ)訓(xùn)練。用戶在進(jìn)行完每個(gè)小組的單詞訓(xùn)練后，系統(tǒng)都會(huì)對(duì)用戶的發(fā)音作出評(píng)價(jià)和打分，對(duì)經(jīng)常出現(xiàn)發(fā)音錯(cuò)誤的單詞，用戶可以選擇保存，用于以后專門的訓(xùn)練。

自主學(xué)習(xí)模塊是用戶根據(jù)自身實(shí)際需求進(jìn)行訓(xùn)練的板塊。用戶先輸入想要訓(xùn)練的單詞或語(yǔ)句，如果不知道如何發(fā)音，可以求助于應(yīng)用中的英文朗讀功能。英文朗讀功能是將文本轉(zhuǎn)換成語(yǔ)音信號(hào)，幫助用戶輕松方便地學(xué)習(xí)每一個(gè)英語(yǔ)發(fā)音。用戶還可以選擇性地保存輸入的學(xué)習(xí)內(nèi)容，方便以后復(fù)習(xí)使用。

總之，專項(xiàng)訓(xùn)練模塊針對(duì)學(xué)生英語(yǔ)學(xué)習(xí)中的四大類發(fā)音難題設(shè)計(jì)，通過(guò)專題式的學(xué)習(xí)、測(cè)試和智能評(píng)分，給用戶提供隨身的英語(yǔ)單詞學(xué)習(xí)和測(cè)試環(huán)境；自主訓(xùn)練模塊則專注于為用戶提供可定制的英語(yǔ)單詞學(xué)習(xí)專題，通過(guò)學(xué)習(xí)內(nèi)容的自定義給用戶最大限度的學(xué)習(xí)自由度。

3 研究技術(shù)

應(yīng)用功能的實(shí)現(xiàn)主要使用了兩大技術(shù)，獲取語(yǔ)音識(shí)別技術(shù)和語(yǔ)音合成技術(shù)。

3.1 獲取語(yǔ)音識(shí)別技術(shù)

單詞發(fā)音練習(xí)需要使用Google語(yǔ)音搜索服務(wù)，因此必須判斷當(dāng)前用戶手機(jī)是否支持該服務(wù)，所采用的方法是通過(guò)queryIntentActivities（）方法，查詢Android系統(tǒng)所有具備RecognizerIntent.ACTION_RECOGNIZE_ SPEECH的Intent的應(yīng)用程序，點(diǎn)擊后能啟動(dòng)該應(yīng)用。

在Android語(yǔ)音識(shí)別應(yīng)用研究與開(kāi)發(fā)的同時(shí)，Google語(yǔ)音服務(wù)需要網(wǎng)絡(luò)支持，所以也需要判斷當(dāng)前用戶的網(wǎng)絡(luò)連接狀況，在類中寫(xiě)一方法check--NetWorkStatus（）引用ConnectivityManager cwjManager來(lái)判斷網(wǎng)絡(luò)是否連接正常。

3.2 語(yǔ)音合成技術(shù)

語(yǔ)音合成技術(shù)，是一種將文本轉(zhuǎn)換為語(yǔ)音輸出的技術(shù)，其主要工作是將文本按字或詞分解為音素，然后將音素生成的數(shù)字音頻用揚(yáng)聲器播放或者保存為聲音文件，然后通過(guò)多媒體軟件播放。

Android手機(jī)平臺(tái)，綁定了英文語(yǔ)音引擎，對(duì)英文語(yǔ)音提供內(nèi)置的支持。要將文本轉(zhuǎn)換為語(yǔ)音，首先要檢查TTS數(shù)據(jù)可用，指令TextToSpeech中的Engine ACTION_CHECK_TTS_DATA就可以完成，返回結(jié)果為真，表明TTSEngine可以使用。除此之外，還有語(yǔ)音數(shù)據(jù)損壞和缺少發(fā)音數(shù)據(jù)等原因?qū)е耇TSEngine不能使用，這些因素都要考慮。之后是初始化TTS接口，這部分要設(shè)置發(fā)音語(yǔ)言引擎setLanguage（Locale.US）、發(fā)音音量Len（Volume）等。在這個(gè)過(guò)程中，還需要檢測(cè)設(shè)置的發(fā)音語(yǔ)言類型是否可用。

4 結(jié)束語(yǔ)

我們開(kāi)發(fā)的口語(yǔ)學(xué)習(xí)軟件Oral Storm，可為訓(xùn)練單詞發(fā)音提供專業(yè)、智能及終端化的一體化學(xué)習(xí)和測(cè)試環(huán)境，專題分類科學(xué)、全面，涵蓋了爆破音、摩擦音等發(fā)音難點(diǎn)，可在專題學(xué)習(xí)后提供智能評(píng)分和語(yǔ)音糾正。用戶使用這款應(yīng)用，可以方便快速地學(xué)習(xí)英語(yǔ)口語(yǔ)的正確發(fā)音。

參考文獻(xiàn)

[1] 邢銘生，朱浩，王宏斌.語(yǔ)音識(shí)別技術(shù)綜述[J].科協(xié)論壇：下半月，2010（3）：62-63.

[2] 詹青龍，張靜然，邵銀娟.移動(dòng)學(xué)習(xí)的理論研究和實(shí)踐探索[J].中國(guó)電化教育，2010（3）：1-7.

[3] 周麗嫻，梁昌銀，沈澤.Android語(yǔ)音識(shí)別應(yīng)用的研究與開(kāi)發(fā)[J].廣東通信技術(shù)，2013，33（4）：15-18.

[4] 涂惠燕，陳一寧.基于語(yǔ)音識(shí)別和手機(jī)平臺(tái)的英語(yǔ)口語(yǔ)發(fā)音學(xué)習(xí)系統(tǒng)[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（9）：64-66.

篇(5)

關(guān)鍵詞：Speech SDK；語(yǔ)音識(shí)別；Voyager-IIA旅行家二號(hào)；教學(xué)平臺(tái)

中圖分類號(hào)：TP319 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2013）005-0096-02

0、引言

教學(xué)技術(shù)的進(jìn)步關(guān)鍵在于構(gòu)建一個(gè)良好的輔助教學(xué)支撐平臺(tái)，通過(guò)該平臺(tái)教師可以方便地展示教學(xué)課程信息，學(xué)生利用該教學(xué)平臺(tái)可以進(jìn)行科學(xué)實(shí)驗(yàn)和工程實(shí)踐，以獲取真實(shí)的實(shí)驗(yàn)數(shù)據(jù)。

機(jī)器人學(xué)作為一門綜合了機(jī)械、電子、計(jì)算機(jī)及人工智能、仿生等諸多專業(yè)的新興學(xué)科，在工程研究和應(yīng)用領(lǐng)域得到了越來(lái)越廣泛的重視。我國(guó)各大高等院校也紛紛開(kāi)設(shè)與機(jī)器人相關(guān)的課程，這對(duì)普及機(jī)器人知識(shí)和加強(qiáng)其產(chǎn)業(yè)化進(jìn)程無(wú)疑會(huì)起到重要的作用。

基于這種理念，設(shè)計(jì)了基于ARM11的智能語(yǔ)音識(shí)別機(jī)器人教學(xué)平臺(tái)。

1、語(yǔ)音識(shí)別機(jī)器人教學(xué)平臺(tái)現(xiàn)狀

教學(xué)技術(shù)平臺(tái)是開(kāi)展各科教學(xué)的必要條件，是現(xiàn)代教育教學(xué)開(kāi)展的基礎(chǔ)。從近年發(fā)展的情況看，各種教學(xué)平臺(tái)的設(shè)計(jì)與運(yùn)用在教學(xué)過(guò)程中起著越來(lái)越重要的作用。如何設(shè)計(jì)滿足現(xiàn)代學(xué)習(xí)者需要的教學(xué)平臺(tái)？如何將計(jì)算機(jī)技術(shù)、通信技術(shù)、機(jī)器人技術(shù)發(fā)展優(yōu)勢(shì)同現(xiàn)代教學(xué)的需求結(jié)合起來(lái)？這是現(xiàn)在教學(xué)平臺(tái)發(fā)展至關(guān)重要的方面。現(xiàn)代教學(xué)平臺(tái)在技術(shù)發(fā)展驅(qū)動(dòng)和現(xiàn)代教育應(yīng)用形態(tài)發(fā)展需求下，出現(xiàn)了許多不同的個(gè)性化教學(xué)技術(shù)平臺(tái)。

隨著人們對(duì)現(xiàn)代教育認(rèn)識(shí)的加深和對(duì)傳統(tǒng)教育的反思，人們的知識(shí)觀和教育觀發(fā)生了很大變化。高校課程改革大舉推進(jìn)，高等教育更要突出實(shí)踐、突出創(chuàng)新。高校課程要突出沉浸感、交互性、自主性等特征。教學(xué)平臺(tái)本身將從以教學(xué)機(jī)構(gòu)為中心逐步走向以學(xué)生為中心，教學(xué)平臺(tái)從提供教學(xué)內(nèi)容、教學(xué)產(chǎn)品轉(zhuǎn)向?yàn)閷W(xué)習(xí)服務(wù)的功能。

國(guó)內(nèi)外許多高等院校都已開(kāi)展了機(jī)器人教學(xué)工作。麻省理工學(xué)院開(kāi)設(shè)了認(rèn)知機(jī)器人學(xué)、機(jī)器人學(xué)導(dǎo)論、自控機(jī)器人設(shè)計(jì)競(jìng)賽和機(jī)器人編程競(jìng)賽等課程，分別在航空航天學(xué)、機(jī)械工程學(xué)和電氣工程與計(jì)算機(jī)科學(xué)專業(yè)中開(kāi)設(shè)；北京郵電大學(xué)為本科生開(kāi)設(shè)了工業(yè)機(jī)器人技術(shù)，相應(yīng)的實(shí)驗(yàn)課為機(jī)器人系統(tǒng)綜合性試驗(yàn)；浙江大學(xué)自動(dòng)控制系為本科生開(kāi)設(shè)了機(jī)器人學(xué)，在校內(nèi)組織了多種形式的機(jī)器人競(jìng)賽活動(dòng)，包括FIRA小型足球機(jī)器人競(jìng)賽、開(kāi)放性公共目標(biāo)機(jī)器人競(jìng)賽等。總之，國(guó)內(nèi)外高校廣泛開(kāi)展了以機(jī)器人為對(duì)象的教學(xué)平臺(tái)建設(shè)，開(kāi)設(shè)機(jī)器人技術(shù)課程、開(kāi)展本科畢業(yè)設(shè)計(jì)的機(jī)器人實(shí)踐活動(dòng)以及多層次機(jī)器人競(jìng)賽活動(dòng)。

2、語(yǔ)音識(shí)別技術(shù)基本方法

語(yǔ)音識(shí)別技術(shù)目前的主流算法，主要有傳統(tǒng)的基于動(dòng)態(tài)時(shí)間規(guī)整（DynamicTimeWarping，簡(jiǎn)稱DTW）算法、基于非參數(shù)模型的矢量量化（Vector Quantization，簡(jiǎn)稱VQ）方法、基于參數(shù)模型的隱馬爾可夫模型（Hidden Markov Mod—els，簡(jiǎn)稱HMM）方法和基于人工神經(jīng)網(wǎng)絡(luò)（Artificial NeuralNetwork，簡(jiǎn)稱ANN）等語(yǔ)音識(shí)別方法。

3、語(yǔ)音識(shí)別機(jī)器人教學(xué)平臺(tái)研究與設(shè)計(jì)

3.1 設(shè)計(jì)思路

語(yǔ)音識(shí)別機(jī)器人教學(xué)平臺(tái)，將Windows CE6.O系統(tǒng)定制和移植到以ARM11為處理器的核心板上，并且在Windows CE6.O系統(tǒng)上實(shí)現(xiàn)對(duì)機(jī)器人的語(yǔ)音控制，從而擺脫基于PC機(jī)控制的不便。在實(shí)現(xiàn)過(guò)程中，將應(yīng)用微軟公司開(kāi)發(fā)的Speech SDK5.1為平臺(tái)，通過(guò)調(diào)用微軟的SpeechSDK語(yǔ)音識(shí)別引擎，使用開(kāi)發(fā)板串口連接并驅(qū)動(dòng)機(jī)器人執(zhí)行一些簡(jiǎn)單的行為動(dòng)作。

3.2 語(yǔ)音識(shí)別機(jī)器人教學(xué)平臺(tái)系統(tǒng)架構(gòu)

本教學(xué)系統(tǒng)采用的$3C6410是一款基于ARM11內(nèi)核的微控制器，其主頻達(dá)667MHz，并具有豐富的接口。本控制器（如圖1）的硬件主要包括采用ARM11內(nèi)核的$3C6410微處理器、機(jī)器人驅(qū)動(dòng)器、電源、串口、麥克風(fēng)、揚(yáng)聲器等。

本語(yǔ)音識(shí)別機(jī)器人，主要由開(kāi)發(fā)板的麥克風(fēng)接口進(jìn)行語(yǔ)音信號(hào)的采集，通過(guò)控制器擴(kuò)展板進(jìn)行語(yǔ)音信號(hào)的處理，處理時(shí)調(diào)用微軟的語(yǔ)音識(shí)別引擎進(jìn)行語(yǔ)音信號(hào)的識(shí)別與合成，然后通過(guò)內(nèi)部編程由擴(kuò)展板的串口向機(jī)器人發(fā)送相關(guān)的指令來(lái)驅(qū)動(dòng)電機(jī)的轉(zhuǎn)動(dòng)，從而實(shí)現(xiàn)機(jī)器人的左轉(zhuǎn)、右轉(zhuǎn)、前進(jìn)、后退、停止等語(yǔ)音控制。

3.3 教學(xué)平臺(tái)系統(tǒng)移植模型

系統(tǒng)移植模型（如圖2）協(xié)助WindowsCE實(shí)現(xiàn)廣泛的硬件支持，同樣使用了工具和軟件接口技術(shù)整合的形式。這一層的可移植性主要在3個(gè)層面：CSP支持不同的處理器系統(tǒng)結(jié)構(gòu)；BSP支持不同的硬件主機(jī)板（I/0、總線等等）；驅(qū)動(dòng)程序支持不同的。從工具的角度看，開(kāi)發(fā)工具主要是以指導(dǎo)手冊(cè)的形式協(xié)助開(kāi)發(fā)者配置修改一個(gè)具體的OAL。驅(qū)動(dòng)模型被包括在Windows CE的類別驅(qū)動(dòng)程序中，這些類別驅(qū)動(dòng)程序一般由Windows CE操作系統(tǒng)提供。

3.4 語(yǔ)音識(shí)別類封裝及算法實(shí)現(xiàn)流程

語(yǔ)音識(shí)別過(guò)程是將自然語(yǔ)言轉(zhuǎn)換為數(shù)據(jù)信息的過(guò)程，語(yǔ)音識(shí)別技術(shù)也可以簡(jiǎn)單描述成Speech-to-Text的識(shí)別。該語(yǔ)音識(shí)別系統(tǒng)的處理過(guò)程是：學(xué)習(xí)者通過(guò)語(yǔ)音輸入設(shè)備輸入語(yǔ)音信號(hào)，然后通過(guò)語(yǔ)音接收器接收語(yǔ)音數(shù)據(jù)轉(zhuǎn)化為數(shù)字信號(hào)，傳入語(yǔ)音識(shí)別引擎進(jìn)行處理，語(yǔ)音識(shí)別引擎處理完成后傳遞給相關(guān)語(yǔ)音識(shí)別程序去處理相關(guān)應(yīng)用，從而達(dá)到利用語(yǔ)音來(lái)實(shí)現(xiàn)某種控制的效果。本系統(tǒng)的語(yǔ)音識(shí)別類封裝和語(yǔ)音識(shí)別算法實(shí)現(xiàn)流程如圖3所示。

篇(6)

14年前，志在語(yǔ)音識(shí)別的科大訊飛在合肥悄然成立，當(dāng)時(shí)還被外界譏笑為“草臺(tái)班子”的這家本土創(chuàng)業(yè)公司，如今已經(jīng)發(fā)展成為亞太地區(qū)最大的語(yǔ)音上市公司。作為中國(guó)語(yǔ)音識(shí)別的“領(lǐng)頭羊”，科大訊飛的這個(gè)標(biāo)簽還能貼多久？在科大訊飛副總裁兼創(chuàng)始人之一江濤看來(lái)，科大訊飛的突破點(diǎn)在于，提供語(yǔ)音識(shí)別的技術(shù)和服務(wù)，解放人們的雙手。

“草臺(tái)班子”的摸索

創(chuàng)業(yè)之初，科大訊飛希望改變?nèi)祟愂褂秒娔X的方式。但事實(shí)證明，時(shí)候未到。

上世紀(jì)90年代末，語(yǔ)音識(shí)別技術(shù)已經(jīng)在全球范圍內(nèi)掀起了一波熱潮，科大訊飛也是順著這股熱潮成立的。“彼時(shí)，IBM、英特爾等幾大主流科技公司也早已開(kāi)始語(yǔ)音識(shí)別技術(shù)的研發(fā)和商業(yè)探索。”江濤告訴《二十一世紀(jì)商業(yè)評(píng)論》（以下簡(jiǎn)稱《21CBR》）。1998年IBM了第一個(gè)基于語(yǔ)音識(shí)別技術(shù)的產(chǎn)品。第二年全球科技十件大事之一便是IBM的語(yǔ)音識(shí)別技術(shù)，計(jì)算機(jī)第一次能夠進(jìn)行語(yǔ)音輸入。除了IBM，英特爾、摩托羅拉、松下等很多國(guó)外巨頭也都開(kāi)始在國(guó)內(nèi)設(shè)立語(yǔ)音研發(fā)中心，希望在人機(jī)交互和信息錄入領(lǐng)域搶占先機(jī)。

“但是在后來(lái)證明，這個(gè)技術(shù)和產(chǎn)品在當(dāng)時(shí)的條件下是不成熟的。”江濤認(rèn)為有兩個(gè)方面原因：一個(gè)是當(dāng)時(shí)的語(yǔ)音針對(duì)PC，而PC相對(duì)于鍵盤和鼠標(biāo)這些交互設(shè)備比較成熟，語(yǔ)音的需求并不夠迫切。另外，“當(dāng)時(shí)整個(gè)云計(jì)算、移動(dòng)互聯(lián)網(wǎng)的環(huán)境和體系還沒(méi)有形成。全是單機(jī)，在一臺(tái)機(jī)器上安裝一個(gè)語(yǔ)音識(shí)別系統(tǒng)需要鍛煉很久，使用成本太高。”

即便如此，直到2000年前后，中國(guó)的語(yǔ)音技術(shù)基本都掌握在IBM等大公司手中。而像科大訊飛這樣的本土創(chuàng)業(yè)公司，空有實(shí)驗(yàn)室技術(shù)，在當(dāng)時(shí)的環(huán)境下不知道該如何面向市場(chǎng)，面向用戶。“我們一直到2004年才盈虧平衡，在這個(gè)過(guò)程中我們沒(méi)有錢，也不知道該怎么開(kāi)拓市場(chǎng)，所有人都是技術(shù)出身，都沒(méi)有產(chǎn)業(yè)經(jīng)驗(yàn)。”江濤說(shuō)。

創(chuàng)業(yè)之初，科大訊飛希望改變?nèi)祟愂褂秒娔X的方式。“我們當(dāng)時(shí)做了一個(gè)叫做‘暢言2000’的產(chǎn)品。口號(hào)是把鍵盤輸入的準(zhǔn)確性、語(yǔ)音輸入的方便性、手寫(xiě)輸入的隨意性融合在一起，它可以打開(kāi)瀏覽器，打開(kāi)Word，然后配合手寫(xiě)板輸入內(nèi)容。”這是科大訊飛的第一個(gè)產(chǎn)品，一套軟件當(dāng)時(shí)的定價(jià)是1000多元人民幣。“但是去哪里推廣，怎么做推廣，我們完全不知道。”

隨著“暢言2000”以失敗告終，苦于推廣無(wú)門的科大訊飛第一次參加了當(dāng)年的高交會(huì)。“當(dāng)時(shí)華為等一些做電信設(shè)備的廠商公司發(fā)現(xiàn)了我們，在他們的呼叫中心智能網(wǎng)中間有需要使用語(yǔ)音的地方，比如說(shuō)語(yǔ)音合成，呼叫中心的語(yǔ)音播報(bào)，智能網(wǎng)中間的信息播報(bào)等。”很快，迅飛便跟華為、中興等一些大的廠商對(duì)接上，成為它們的語(yǔ)音技術(shù)提供商。

“我們后來(lái)一想也是這樣，一個(gè)創(chuàng)業(yè)團(tuán)隊(duì)沒(méi)有市場(chǎng)經(jīng)驗(yàn)，也沒(méi)有市場(chǎng)能力，沒(méi)有資金，不可能去做‘2C’的市場(chǎng)，那個(gè)時(shí)候的條件也不具備。做‘2B’的市場(chǎng)，做自己擅長(zhǎng)的部分，把技術(shù)提供給合作伙伴，然后合作伙伴去做對(duì)應(yīng)的應(yīng)用更可行。”江濤說(shuō)。這是科大迅飛的第一桶金，也是第一個(gè)商業(yè)模式。“依靠這個(gè)模式，我們實(shí)現(xiàn)了盈虧平衡。到2004年，我們已經(jīng)是中國(guó)最大的語(yǔ)音技術(shù)提供商。”

在嘗到了做“技術(shù)提供商”的甜頭后，2004年，手機(jī)彩鈴被引進(jìn)中國(guó)，“在沒(méi)有智能手機(jī)的時(shí)代，面對(duì)幾十萬(wàn)首歌，用戶在電話里怎么選？”江濤說(shuō)，為此，迅飛開(kāi)發(fā)了針對(duì)音樂(lè)的語(yǔ)音搜索，“想下載誰(shuí)的彩鈴，聽(tīng)誰(shuí)的歌，直接在電話里面語(yǔ)音搜索。”在這個(gè)基礎(chǔ)上，迅飛進(jìn)一步把技術(shù)應(yīng)用到跟音樂(lè)、彩鈴下載和搜索相關(guān)的其他領(lǐng)域。“現(xiàn)在聯(lián)通、電信，還有移動(dòng)，相關(guān)于音樂(lè)的語(yǔ)音搜索技術(shù)全部由訊飛提供。”江濤說(shuō)。

基于同樣的思路，迅飛開(kāi)始把語(yǔ)音識(shí)別技術(shù)擴(kuò)展到教育領(lǐng)域。“從技術(shù)上看，針對(duì)這兩個(gè)領(lǐng)域，迅飛所做的事情主要是語(yǔ)音合成，把語(yǔ)音轉(zhuǎn)換成文字。”江濤告訴《21CBR》，雖然在當(dāng)時(shí)這個(gè)技術(shù)事實(shí)上已經(jīng)沒(méi)有門檻，但迅飛的優(yōu)勢(shì)在于做“技術(shù)提供商”的商業(yè)模式和針對(duì)細(xì)分領(lǐng)域提供的服務(wù)。目前，針對(duì)音樂(lè)和教育領(lǐng)域的收入依然是迅飛營(yíng)收的主要來(lái)源之一。“現(xiàn)在音樂(lè)領(lǐng)域每年的收入大概在一個(gè)億左右。”

從技術(shù)到服務(wù)

語(yǔ)音識(shí)別不是完全靠算法能解決的，時(shí)間和數(shù)據(jù)積累才是最大的壁壘。

2008年前后，中國(guó)開(kāi)始發(fā)放3G牌照，以蘋果、安卓為代表的智能機(jī)逐步興起。“我們覺(jué)得這個(gè)時(shí)候語(yǔ)音技術(shù)真正的機(jī)會(huì)才出現(xiàn)，因?yàn)橹悄苁謾C(jī)相對(duì)于PC來(lái)說(shuō)，屏幕更小，輸入更不方便，語(yǔ)音在人機(jī)交互過(guò)程中顯得更有價(jià)值。”江濤說(shuō)。目前，訊飛所開(kāi)發(fā)的手機(jī)應(yīng)用訊飛語(yǔ)音已擁有超過(guò)2億用戶。

“我們現(xiàn)在最大的挑戰(zhàn)還是用戶的習(xí)慣，尤其是中國(guó)人覺(jué)得對(duì)著手機(jī)說(shuō)話太傻了。”江濤說(shuō)。好在隨著蘋果、谷歌加上騰訊的微信正在不斷地教育用戶的使用習(xí)慣，越來(lái)越多的人開(kāi)始適應(yīng)這種跟機(jī)器的交流方式。

科大訊飛在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域的另一個(gè)產(chǎn)品是訊飛輸入法。“我們從2011年開(kāi)始做這個(gè)產(chǎn)品，當(dāng)時(shí)訊飛沒(méi)有任何知名度，沒(méi)有品牌，完全靠用戶口碑來(lái)推廣。”江濤說(shuō)。目前，訊飛輸入法的用戶超過(guò)8000萬(wàn)。

盡管移動(dòng)互聯(lián)網(wǎng)來(lái)勢(shì)洶洶，江濤和他的團(tuán)隊(duì)還是希望把自己定位為“語(yǔ)音服務(wù)提供商”。“我們一方面還會(huì)持續(xù)面向電視機(jī)、汽車、地圖等合作伙伴提供語(yǔ)音技術(shù)，另外一方面也會(huì)以輸入法這些產(chǎn)品為代表，面向用戶提供直接的交互服務(wù)和終端產(chǎn)品。”江濤告訴《21CBR》記者。目前，康佳、海爾、創(chuàng)維、海信等電視廠商都采用了迅飛語(yǔ)音識(shí)別技術(shù)和開(kāi)發(fā)平臺(tái)。訊飛也與國(guó)內(nèi)主要汽車電子廠商及車廠等建立了合作，包括奇瑞、江淮、上汽、奧迪、德?tīng)柛！⒋箨戨娮印⒐龋@一領(lǐng)域?qū)緺I(yíng)收的貢獻(xiàn)微乎其微。

從技術(shù)的角度來(lái)看，語(yǔ)音識(shí)別在過(guò)去20年的發(fā)展和進(jìn)化過(guò)程中早已不再擁有高門檻。在外界看來(lái)，科大訊飛缺乏足夠?qū)拸V的護(hù)城河——掌握互聯(lián)網(wǎng)入口的企業(yè)百度、騰訊等巨頭，都在覬覦語(yǔ)音識(shí)別領(lǐng)域。而隨著3G網(wǎng)絡(luò)和智能終端的普及，這些條件又為語(yǔ)音識(shí)別打開(kāi)了一扇新的大門。江濤也認(rèn)為：“目前，就技術(shù)上的發(fā)展來(lái)講，語(yǔ)音識(shí)別的門檻的確不高，大數(shù)據(jù)云計(jì)算帶來(lái)了更加開(kāi)闊的技術(shù)可能性和便利。”

篇(7)

上面這段并非筆者杜撰,而是著名的語(yǔ)音和圖像解決方案提供商N(yùn)uance公司研發(fā)工程總監(jiān)張亞昕為大家描述的語(yǔ)音識(shí)別技術(shù)在車載系統(tǒng)中的應(yīng)用情景。

其實(shí),語(yǔ)音識(shí)別技術(shù)早已有之,1998年,飛利浦和摩托羅拉就將語(yǔ)音識(shí)別技術(shù)引入手機(jī),但并沒(méi)有引起人們的關(guān)注,直到去年蘋果iphone 4里的Siri出現(xiàn),才讓人們真正開(kāi)始關(guān)注語(yǔ)音識(shí)別。張亞昕認(rèn)為,這主要是因?yàn)橐郧暗募夹g(shù)只能進(jìn)行特定詞匯的語(yǔ)音識(shí)別,而如今的語(yǔ)音識(shí)別技術(shù)可以識(shí)別自然語(yǔ)言,真正讓用戶體會(huì)到了流暢自然的人機(jī)交互體驗(yàn)。

也許是因?yàn)槠噧?nèi)安全駕駛的重要性吧,語(yǔ)音識(shí)別技術(shù)特別受到了汽車市場(chǎng)的青睞。越來(lái)越多的汽車制造商開(kāi)始在汽車中裝入語(yǔ)音識(shí)別接口,用于管理移動(dòng)連接;同時(shí)提高駕駛安全系數(shù)。Strategy Analytics的統(tǒng)計(jì)表明,到2012年,中國(guó)原始設(shè)備制造商(OEM)所提供的具備語(yǔ)音人機(jī)接口的信息娛樂(lè)和車載信息通信系統(tǒng)(telematics)的出貨量將達(dá)到300萬(wàn)臺(tái),并預(yù)期在2018年達(dá)到20009萬(wàn)臺(tái)。

但是,語(yǔ)音識(shí)別是非常耗費(fèi)資源的一項(xiàng)工作,在目前的應(yīng)用中,用戶接口依賴于通用型硬件和軟件,一般采用通用的應(yīng)用處理器,語(yǔ)音識(shí)別只是眾多應(yīng)用中的一個(gè)程序,系統(tǒng)硬件無(wú)法為語(yǔ)音處理做出優(yōu)化,限制了處理速度和處理精度。例如,在車載GPS應(yīng)用中,地圖軟件的運(yùn)行就會(huì)占據(jù)處理器很多資源,這種情況下,啟用語(yǔ)音識(shí)別將會(huì)給CPU帶來(lái)很大負(fù)擔(dān),處理能力上的不足會(huì)影響語(yǔ)音識(shí)別的速度和準(zhǔn)確度,讓用戶體驗(yàn)大打折扣。