- 相關(guān)推薦
探析語(yǔ)音識別技術(shù)的發(fā)展及趨勢
論文關(guān)鍵詞 語(yǔ)音識別技術(shù) 發(fā)展 趨勢論文摘要 近20年來(lái),隨著(zhù)信息技術(shù)的不斷發(fā)展,語(yǔ)音識別技術(shù)也逐步的發(fā)展成熟。語(yǔ)音識別技術(shù)研究讓人更加方便地享受到更多的社會(huì )信息資源和現代化服務(wù),對任何事都能夠通過(guò)語(yǔ)音交互的方式。本文就對語(yǔ)音技術(shù)的發(fā)展及趨勢作了簡(jiǎn)單的闡述。
語(yǔ)音識別是一門(mén)交叉學(xué)科。語(yǔ)音識別研究經(jīng)歷了50多年的研究歷程,經(jīng)過(guò)50多年的積累研究,獲得了巨大的進(jìn)展。特別是近20年來(lái),語(yǔ)音識別技術(shù)取得了顯著(zhù)的進(jìn)步,并逐步的走向市場(chǎng)。在未來(lái)的日子里,語(yǔ)音識別技術(shù)將應用更為廣泛。本文就語(yǔ)音識別的發(fā)展及趨勢作簡(jiǎn)單的闡述。
1 語(yǔ)音技術(shù)的發(fā)展歷史
50年代,研究人員多數致力于聲學(xué)和語(yǔ)音學(xué)的基本概念。1952年,在A(yíng)T& T Bell實(shí)驗室實(shí)現了一個(gè)單一發(fā)音人孤立發(fā)音的10個(gè)英文數字的語(yǔ)音識別系統,方法主要是度量每個(gè)數字的元音音段的共振峰。1956年,RCA Lab 開(kāi)展了另外一項獨立研究,試圖識別單一發(fā)音的10個(gè)不同的音節,同樣采用了度量共振峰的方法。1959年,英國University College的研究人員開(kāi)始嘗試另外一種思路,用譜分析和模板匹配方法構建音素識別器,用來(lái)識別4個(gè)元音和9個(gè)輔音。60年代,相繼出現并發(fā)表了語(yǔ)音識別的幾個(gè)重要的思想。1962年,東京大學(xué)進(jìn)行了另一個(gè)音素識別器的硬件實(shí)現的嘗試。它使用過(guò)零率方法分離語(yǔ)音信號的不同部分,并進(jìn)行識別。1963年,日本NEC Lab對數字進(jìn)行語(yǔ)音識別的嘗試可以算得上最值得注意的工作,因為它不僅是NEC研究語(yǔ)音識別的開(kāi)端,還導致一個(gè)長(cháng)期的和卓有成效的研究計劃。在60年代中,3個(gè)研究項目的開(kāi)展對其后20多年的語(yǔ)音識別研究和開(kāi)發(fā)產(chǎn)生了重大影響。第一個(gè)研究項目在RCA Lab開(kāi)始于60年代后期,目的是研究語(yǔ)音事件在時(shí)間刻度上不均勻性的現實(shí)解決辦法。在能夠可靠檢測出語(yǔ)音事件的始末點(diǎn)的基礎上,發(fā)展了一套時(shí)間歸正的基本方法。
2 語(yǔ)音識別技術(shù)的發(fā)展現狀
語(yǔ)音識別技術(shù)通過(guò)全球科學(xué)家的共同努力,經(jīng)歷半個(gè)多世紀的研究,目前已經(jīng)發(fā)展到了接近實(shí)用的階段。在實(shí)驗室環(huán)境下,大詞匯量的朗讀式連續說(shuō)話(huà)的寬帶語(yǔ)音信號的平均識別率可以達到90%以上。正式有了如此高的識別率之后,語(yǔ)音識別技術(shù)慢慢地從實(shí)驗室演示系統逐步走向實(shí)用化商品。以IBM Via Voice和Dragon Dictation為代表的兩個(gè)聽(tīng)寫(xiě)機系統的出現,使“語(yǔ)音識別”逐步進(jìn)入大眾視線(xiàn),引起了廣泛的社會(huì )關(guān)注。
由于校對和更正識別的錯誤很麻煩和浪費時(shí)間,這樣便降低語(yǔ)音識別的優(yōu)勢。同時(shí),由于使用的環(huán)境或講話(huà)口音習慣等因素的影響,語(yǔ)音識別的內容大大降低,識別的內容不能達到100%的正確,所以很多人認為目前的語(yǔ)音識別系統還無(wú)法滿(mǎn)足實(shí)用要求。
目前,AT&T和MIT等將語(yǔ)音識別技術(shù)應用在一些有限詞匯的特定任務(wù)上,如電話(huà)自動(dòng)轉接、電話(huà)查詢(xún)、數字串識別的任務(wù)中,當講話(huà)的內容是系統所存儲的內容存在的,且使用環(huán)境的聲學(xué)特性與訓練數據的聲學(xué)特性相差不太大時(shí),語(yǔ)音識別的正確識別率可以接近100%。但是,在實(shí)際使用中如果這些條件被破壞,則會(huì )對識別系統造成一定的影響。
3 語(yǔ)音識別技術(shù)發(fā)展趨勢
雖然語(yǔ)音識別在過(guò)去的20年里有了很大的發(fā)展,但是,仍然存在很多的不足,有待于進(jìn)一步的探索,具體可分為以下幾個(gè)方面:
1)提高可靠性。語(yǔ)音識別技術(shù)需要能排除各種聲學(xué)環(huán)境因素的影響。在比較嘈雜的公共環(huán)境中,人的意識會(huì )有意識的排除非需要的聲學(xué)環(huán)境因素,這對語(yǔ)音識別系統而言,是很難做到的。另外,在日常生活中,人類(lèi)的語(yǔ)言常常具有較大的不確定性,比較隨意,并帶有明顯的言語(yǔ)習慣。這同樣會(huì )給語(yǔ)音識別系統很大的識別麻煩。目前,在提高語(yǔ)音系統在不同環(huán)境中的可靠性,同時(shí)要應用現代技術(shù)讓語(yǔ)音識別系統更加智能化,掌握人們語(yǔ)言隨意性的部分規律,以達到最佳的識別效果。
2)增加詞匯量。系統可以識別的詞匯的數量是系統能夠做什么事情的一個(gè)重要度量。一個(gè)語(yǔ)音識別系統使用的聲學(xué)模型和語(yǔ)音模型如果太過(guò)于局限,當用戶(hù)所講的詞匯超出系統已知的范圍時(shí),則語(yǔ)音識別系統不能準確的識別出相應的內容,比如,當突然從中文轉為英文、法文、俄文時(shí),計算機就會(huì )常常輸出混亂奇怪的結果。但是,隨著(zhù)系統建模方法的不斷改進(jìn)、搜索算法效率的提高以及硬件資源的發(fā)展,未來(lái)的語(yǔ)音識別系統可能會(huì )做到詞匯量無(wú)限制和多種語(yǔ)言混合,這樣用戶(hù)在使用的時(shí)候可以不必在語(yǔ)種之間來(lái)回切換,這樣就能大大減少詞匯量的對語(yǔ)音識別系統的限制。
3)應用拓展。語(yǔ)音識別技術(shù)可以用于把費腦、費力、費時(shí)的機器操作變成一件很容易很有趣味性的事,比如,當人們出現手忙、手不能及以及分身無(wú)術(shù)的場(chǎng)景時(shí),通過(guò)語(yǔ)音識別系統的模型構造,則能夠在象駕駛室、危險的工業(yè)場(chǎng)合、遠距離信息獲取、家電控制等各個(gè)方面,語(yǔ)音識別技術(shù)可能帶動(dòng)一系列嶄新或更便捷功能的設備出現,更加方便人的工作和生活。其應用的范圍和前景非常廣泛。不僅能夠應用于日常生活,更重要的會(huì )帶來(lái)生產(chǎn)方式的革命,是下一代智能化控制的基礎。
4)降低成本減小體積。微型化是語(yǔ)音識別技術(shù)商業(yè)應用的另一個(gè)重要途徑,其推廣程這取決于語(yǔ)音識別技術(shù)本身進(jìn)步的程度,同時(shí)與微電子芯片技術(shù)的進(jìn)一步發(fā)展關(guān)系密切。將具有先進(jìn)功能和性能的語(yǔ)音識別應用系統固化到更加微小的芯片或模塊上,可以大幅度降低產(chǎn)品成本和體積,產(chǎn)品必然受到消費者的青睞,語(yǔ)音識別系統和微電子芯片技術(shù)的發(fā)展是會(huì )引領(lǐng)我們的信息技術(shù)革命到一個(gè)新的臺階。
21世紀是信息和網(wǎng)絡(luò )的時(shí)代,Internet和移動(dòng)通信、固話(huà)通信的網(wǎng)絡(luò )把全球各地連接起來(lái)。自然口語(yǔ)對話(huà)、電子商務(wù)、信息索取、數字圖書(shū)館、語(yǔ)音翻譯、遠程教育等一系列的人類(lèi)活動(dòng)都可在網(wǎng)絡(luò )上實(shí)現。語(yǔ)音識別系統的出現,會(huì )讓人更加自由的溝通,讓人在任何地方,任何時(shí)間,對任何事都能夠通過(guò)語(yǔ)音交互的方式,方便地享受到更多的社會(huì )信息資源和現代化服務(wù)。這必然會(huì )成為語(yǔ)音識別技術(shù)研究和應用的重要發(fā)展趨勢。
參考文獻
[1]楊尚國,楊金龍.語(yǔ)音識別技術(shù)概述[J].福建電腦,2006 (8).
[2]孫寧,孫勁光,孫宇.基于神經(jīng)網(wǎng)絡(luò )的語(yǔ)音識別技術(shù)研究 [J].計算機與數字工程,2006.
【探析語(yǔ)音識別技術(shù)的發(fā)展及趨勢】相關(guān)文章：
探析移動(dòng)通信技術(shù)的發(fā)展趨勢03-20
探析光纖通信技術(shù)的現狀及發(fā)展趨勢03-19
探析現今電信發(fā)展的趨勢與挑戰03-18
我國監護制度發(fā)展趨勢探析12-10
探析小學(xué)英語(yǔ)教育的發(fā)展趨勢12-07
探析新型建筑材料的發(fā)展趨勢11-28