取距離近的樣本所對(duì)應(yīng)的詞標(biāo)注為該語音信號(hào)的發(fā)音,。該方法對(duì)解決孤立詞識(shí)別是有效的,，但對(duì)于大詞匯量、非特定人連續(xù)語音識(shí)別就無能為力,。因此,，進(jìn)入80年代后，研究思路發(fā)生了重大變化，從傳統(tǒng)的基于模板匹配的技術(shù)思路開始轉(zhuǎn)向基于統(tǒng)計(jì)模型（HMM）的技術(shù)思路,。HMM的理論基礎(chǔ)在1970年前后就已經(jīng)由Baum等人建立起來,，隨后由CMU的Baker和IBM的Jelinek等人將其應(yīng)用到語音識(shí)別當(dāng)中。HMM模型假定一個(gè)音素含有3到5個(gè)狀態(tài),，同一狀態(tài)的發(fā)音相對(duì)穩(wěn)定,，不同狀態(tài)間是可以按照一定概率進(jìn)行跳轉(zhuǎn)；某一狀態(tài)的特征分布可以用概率模型來描述,，使用的模型是GMM,。因此GMM-HMM框架中,，HMM描述的是語音的短時(shí)平穩(wěn)的動(dòng)態(tài)性,，GMM用來描述HMM每一狀態(tài)內(nèi)部的發(fā)音特征?；贕MM-HMM框架,，研究者提出各種改進(jìn)方法，如結(jié)合上下文信息的動(dòng)態(tài)貝葉斯方法,、區(qū)分性訓(xùn)練方法,、自適應(yīng)訓(xùn)練方法、HMM/NN混合模型方法等,。這些方法都對(duì)語音識(shí)別研究產(chǎn)生了深遠(yuǎn)影響,，并為下一代語音識(shí)別技術(shù)的產(chǎn)生做好了準(zhǔn)備。自上世紀(jì)90年代語音識(shí)別聲學(xué)模型的區(qū)分性訓(xùn)練準(zhǔn)則和模型自適應(yīng)方法被提出以后,，在很長一段內(nèi)語音識(shí)別的發(fā)展比較緩慢,，語音識(shí)別錯(cuò)誤率那條線一直沒有明顯下降。DNN-HMM時(shí)代2006年,。它融合了語言學(xué),、計(jì)算機(jī)科學(xué)和電氣工程領(lǐng)域的知識(shí)和研究。山東語音識(shí)別設(shè)置

共振峰的位置,、帶寬和幅度決定元音音色,，改變聲道形狀可改變共振峰，改變音色,。語音可分為濁音和清音,，其中濁音是由聲帶振動(dòng)并激勵(lì)聲道而得到的語音，清音是由氣流高速?zèng)_過某處收縮的聲道所產(chǎn)生的語音,。語音的產(chǎn)生過程可進(jìn)一步抽象成如圖1-2所示的激勵(lì)模型,，包含激勵(lì)源和聲道部分。在激勵(lì)源部分,，沖擊序列發(fā)生器以基音周期產(chǎn)生周期性信號(hào),，經(jīng)過聲帶振動(dòng)，相當(dāng)于經(jīng)過聲門波模型，肺部氣流大小相當(dāng)于振幅,；隨機(jī)噪聲發(fā)生器產(chǎn)生非周期信號(hào),。聲道模型模擬口腔、鼻腔等聲道qi官,，后產(chǎn)生語音信號(hào),。我們要發(fā)濁音時(shí)，聲帶振動(dòng)形成準(zhǔn)周期的沖擊序列,。發(fā)清音時(shí),，聲帶松弛，相當(dāng)于發(fā)出一個(gè)隨機(jī)噪聲,。圖1-2產(chǎn)生語音的激勵(lì)模型,，人耳是聲音的感知qi官，分為外耳,、中耳和內(nèi)耳三部分,。外耳的作用包括聲源的定位和聲音的放大。外耳包含耳翼和外耳道,，耳翼的作用是保護(hù)耳孔,，并具有定向作用。外耳道同其他管道一樣也有共振頻率,，大約是3400Hz,。鼓膜位于外耳道內(nèi)端，聲音的振動(dòng)通過鼓膜傳到內(nèi)耳,。中耳由三塊聽小骨組成,，作用包括放大聲壓和保護(hù)內(nèi)耳。中耳通過咽鼓管與鼻腔相通,，其作用是調(diào)節(jié)中耳壓力,。內(nèi)耳的耳蝸實(shí)現(xiàn)聲振動(dòng)到神經(jīng)沖動(dòng)的轉(zhuǎn)換，并傳遞到大腦,。深圳自主可控語音識(shí)別內(nèi)容一個(gè)眾所周知的應(yīng)用是自動(dòng)語音識(shí)別,，以應(yīng)對(duì)不同的說話速度。

亞馬遜的Echo音箱剛開始推出的兩三年,，國內(nèi)的智能音箱市場還不溫不火,，不為消費(fèi)者所接受，因此銷量非常有限,。但自2017年以來,，智能家居逐漸普及，音箱市場開始火熱,，為搶占語音入口,，阿里巴巴,、百度、小米,、華為等大公司紛紛推出了各自的智能音箱,。據(jù)Canalys報(bào)告，2019年第1季度中國市場智能音箱出貨量全球占比51%,，超過美國,，成為全球*大的智能音箱市場。據(jù)奧維云網(wǎng)(AVC)數(shù)據(jù)顯示,，2019年上半年中國智能音箱市場銷量為1556萬臺(tái),，同比增長233%。隨著語音市場的擴(kuò)大,，國內(nèi)涌現(xiàn)出一批具有強(qiáng)大競爭力的語音公司和研究團(tuán)隊(duì),，包括云知聲、思必馳,、出門問問,、聲智科技,、北科瑞聲,、天聰智能等。他們推出的語音產(chǎn)品和解決方案主要針對(duì)特定場景,，如車載導(dǎo)航,、智能家居、醫(yī)院的病歷輸入,、智能客服,、會(huì)議系統(tǒng)、證券柜臺(tái)業(yè)務(wù)等,，因?yàn)椴捎蒙疃榷ㄖ?，識(shí)別效果和產(chǎn)品體驗(yàn)更佳。在市場上獲得了不錯(cuò)的反響,。針對(duì)智能硬件的離線識(shí)別,，云知聲和思必馳等公司還研發(fā)出專門的語音芯片，進(jìn)一步降低功耗,，提高產(chǎn)品的性價(jià)比,。在國內(nèi)語音應(yīng)用突飛猛進(jìn)的同時(shí)，各大公司和研究團(tuán)隊(duì)紛紛在國際學(xué)術(shù)會(huì)議和期刊上發(fā)表研究成果,。2015年,，張仕良等人提出了前饋型序列記憶網(wǎng)絡(luò)。

即識(shí)別準(zhǔn)確率為,，相較于2013年的準(zhǔn)確率提升了接近20個(gè)百分點(diǎn),。這種水平的準(zhǔn)確率已經(jīng)接近正常人類,。2016年10月18日，微軟語音團(tuán)隊(duì)在Switchboard語音識(shí)別測試中打破了自己的好成績,，將詞錯(cuò)誤率降低至,。次年，微軟語音團(tuán)隊(duì)研究人員通過改進(jìn)語音識(shí)別系統(tǒng)中基于神經(jīng)網(wǎng)絡(luò)的聲學(xué)模型和語言模型,，在之前的基礎(chǔ)上引入了CNN-BLSTM(ConvolutionalNeuralNetworkCombinedwithBidirectionalLongShort-TermMemory,，帶有雙向LSTM的卷積神經(jīng)網(wǎng)絡(luò))模型，用于提升語音建模的效果,。2017年8月20日,，微軟語音團(tuán)隊(duì)再次將這一紀(jì)錄刷新，在Switchboard測試中將詞錯(cuò)誤率從,，即識(shí)別準(zhǔn)確率達(dá)到,，與谷歌一起成為了行業(yè)。另外,，亞馬遜(Amazon)公司在語音行業(yè)可謂后發(fā)制人,，其在2014年底正式推出了Echo智能音箱，并通過該音箱搭載的Alexa語音助理,，為使用者提供種種應(yīng)用服務(wù),。Echo智能音箱一經(jīng)推出，在消費(fèi)市場上取得了巨大的成功,。如今已成為美國使用廣的智能家居產(chǎn)品,，至今累計(jì)銷量已超過2000萬臺(tái)。投資機(jī)構(gòu)摩根士丹利分析師稱智能音箱是繼iPad之后"成功的消費(fèi)電子產(chǎn)品",。國內(nèi)語音識(shí)別現(xiàn)狀國內(nèi)早的語音識(shí)別研究開始于1958年,，中國科學(xué)院聲學(xué)所研究出一種電子管電路，該電子管可以識(shí)別10個(gè)元音,。1973年,。對(duì)于強(qiáng)噪聲、超遠(yuǎn)場,、強(qiáng)干擾,、多語種、大詞匯等場景下的語音識(shí)別還需要很大的提升,。

中國科學(xué)院聲學(xué)所成為國內(nèi)shou個(gè)開始研究計(jì)算機(jī)語音識(shí)別的機(jī)構(gòu),。受限于當(dāng)時(shí)的研究條件，我國的語音識(shí)別研究在這個(gè)階段一直進(jìn)展緩慢,。放開以后,，隨著計(jì)算機(jī)應(yīng)用技術(shù)和信號(hào)處理技術(shù)在我國的普及，越來越多的國內(nèi)單位和機(jī)構(gòu)具備了語音研究的成熟條件,。而就在此時(shí),，外國的語音識(shí)別研究取得了較大的突破性進(jìn)展,，語音識(shí)別成為科技浪潮的前沿，得到了迅猛的發(fā)展,，這推動(dòng)了包括中科院聲學(xué)所,、中科院自動(dòng)化所、清華大學(xué),、中國科技大學(xué),、哈爾濱工業(yè)大學(xué)、上海交通大學(xué),、西北工業(yè)大學(xué),、廈門大學(xué)等許多國內(nèi)科研機(jī)構(gòu)和高等院校投身到語音識(shí)別的相關(guān)研究當(dāng)中。大多數(shù)的研究者將研究重點(diǎn)聚焦在語音識(shí)別基礎(chǔ)理論研究和模型,、算法的研究改進(jìn)上,。1986年3月，我國的"863"計(jì)劃正式啟動(dòng),。"863"計(jì)劃即國家高技術(shù)研究發(fā)展計(jì)劃,，是我國的一項(xiàng)高科技發(fā)展計(jì)劃。作為計(jì)算機(jī)系統(tǒng)和智能科學(xué)領(lǐng)域的一個(gè)重要分支,。語音識(shí)別在該計(jì)劃中被列為一個(gè)專項(xiàng)研究課題,。隨后，我國展開了系統(tǒng)性的針對(duì)語音識(shí)別技術(shù)的研究,。因此,，對(duì)于我國國內(nèi)的語音識(shí)別行業(yè)來說，"863"計(jì)劃是一個(gè)里程碑,，它標(biāo)志著我國的語音識(shí)別技術(shù)進(jìn)入了一個(gè)嶄新的發(fā)展階段。但是由于研究起步晚,、基礎(chǔ)薄弱,、硬件條件和計(jì)算能力有限。主流語音識(shí)別框架還是由 3 個(gè)部分組成：聲學(xué)模型,、語言模型和解碼器,，有些框架也包括前端處理和后處理。廣州移動(dòng)語音識(shí)別服務(wù)標(biāo)準(zhǔn)

遠(yuǎn)場語音識(shí)別已經(jīng)隨著智能音箱的興起成為全球消費(fèi)電子領(lǐng)域應(yīng)用為成功的技術(shù)之一,。山東語音識(shí)別設(shè)置

美國**部下屬的一個(gè)名為美國**高級(jí)研究計(jì)劃局(DefenseAdvancedResearchProjectsAgency,，DARPA)的行政機(jī)構(gòu)，在20世紀(jì)70年代介入語音領(lǐng)域,，開始資助一項(xiàng)旨在支持語言理解系統(tǒng)的研究開發(fā)工作的10年戰(zhàn)略計(jì)劃,。在該計(jì)劃推動(dòng)下，誕生了一系列不錯(cuò)的研究成果,，如卡耐基梅隆大學(xué)推出了Harpy系統(tǒng),，其能識(shí)別1000多個(gè)單詞且有不錯(cuò)的識(shí)別率,。第二階段：統(tǒng)計(jì)模型(GMM-HMM)到了20世紀(jì)80年代，更多的研究人員開始從對(duì)孤立詞識(shí)別系統(tǒng)的研究轉(zhuǎn)向?qū)Υ笤~匯量連續(xù)語音識(shí)別系統(tǒng)的研究,，并且大量的連續(xù)語音識(shí)別算法應(yīng)運(yùn)而生,，例如分層構(gòu)造(LevelBuilding)算法等。同時(shí),，20世紀(jì)80年代的語音識(shí)別研究相較于20世紀(jì)70年代,，另一個(gè)變化是基于統(tǒng)計(jì)模型的技術(shù)逐漸替代了基于模板匹配的技術(shù)。統(tǒng)計(jì)模型兩項(xiàng)很重要的成果是聲學(xué)模型和語言模型,，語言模型以n元語言模型(n-gram),，聲學(xué)模型以HMM。HMM的理論基礎(chǔ)在1970年前后由Baum等人建立,，隨后由卡耐基梅隆大學(xué)(CMU)的Baker和IBM的Jelinek等人應(yīng)用到語音識(shí)別中,。在20世紀(jì)80年代中期，Bell實(shí)驗(yàn)室的.Rabiner等人對(duì)HMM進(jìn)行了深入淺出的介紹,。并出版了語音識(shí)別專著FundamentalsofSpeechRecognition,，有力地推動(dòng)了HMM在語音識(shí)別中的應(yīng)用。山東語音識(shí)別設(shè)置

本文來自天津市津南區(qū)同源機(jī)械設(shè)備租賃中心：http://jiajiaxiang.cn/Article/90f21999690.html