|
語音識別技術(shù)概述
（作者未知） 2010/8/15
（接上頁）其不適合連續(xù)語音大詞匯量語音識別系統(tǒng)，目前已被HMM模型和ANN替代。
HMM模型是語音信號時變特征的有參表示法。它由相互關(guān)聯(lián)的兩個隨機過程共同描述信號的統(tǒng)計特性，其中一個是隱蔽的（不可觀測的）具有有限狀態(tài)的Markor鏈，另一個是與Markor鏈的每一狀態(tài)相關(guān)聯(lián)的觀察矢量的隨機過程（可觀測的）。隱蔽Markor鏈的特征要靠可觀測到的信號特征揭示。這樣，語音等時變信號某一段的特征就由對應(yīng)狀態(tài)觀察符號的隨機過程描述，而信號隨時間的變化由隱蔽Markor鏈的轉(zhuǎn)移概率描述。模型參數(shù)包括HMM拓撲結(jié)構(gòu)、狀態(tài)轉(zhuǎn)移概率及描述觀察符號統(tǒng)計特性的一組隨機函數(shù)。按照隨機函數(shù)的特點，HMM模型可分為離散隱馬爾可夫模型（采用離散概率密度函數(shù)，簡稱DHMM）和連續(xù)隱馬爾可夫模型（采用連續(xù)概率密度函數(shù)，簡稱CHMM）以及半連續(xù)隱馬爾可夫模型（SCHMM，集DHMM和CHMM特點）。一般來講，在訓(xùn)練數(shù)據(jù)足夠的，CHMM優(yōu)于DHMM和SCHMM。HMM模型的訓(xùn)練和識別都已研究出有效的算法，并不斷被完善，以增強HMM模型的魯棒性。
人工神經(jīng)元網(wǎng)絡(luò)在語音識別中的應(yīng)用是現(xiàn)在研究的又一熱點。ANN本質(zhì)上是一個自適應(yīng)非線性動力學(xué)系統(tǒng)，模擬了人類神經(jīng)元活動的原理，具有自學(xué)、聯(lián)想、對比、推理和概括能力。這些能力是HMM模型不具備的，但ANN又不個有HMM模型的動態(tài)時間歸正性能。因此，現(xiàn)在已有人研究如何把二者的優(yōu)點有機結(jié)合起來，從而提高整個模型的魯棒性。
二、語音識別的困難與對策
目前，語音識別方面的困難主要表現(xiàn)在：
（一）語音識別系統(tǒng)的適應(yīng)性差，主要體現(xiàn)在對環(huán)境依賴性強，即在某種環(huán)境下采集到的語音訓(xùn)練系統(tǒng)只能在這種環(huán)境下應(yīng)用，否則系統(tǒng)性能將急劇下降；另外一個問題是對用戶的錯誤輸入不能正確響應(yīng)，使用不方便。
（二）高噪聲環(huán)境下語音識別進展困難，因為此時人的發(fā)音變化很大，像聲音變高，語速變慢，音調(diào)及共振峰變化等等，這就是所謂Lombard效應(yīng)，必須尋找新的信號分析處理方法。
（三）語言學(xué)、生理學(xué)、心理學(xué)方面的研究成果已有不少，但如何把這些知識量化、建模并用于語音識別，還需研究。而語言模型、語法及詞法模型在中、大詞匯量連續(xù)語音識別中是非常重要的。
（四）我們對人類的聽覺理解、知識積累和學(xué)習(xí)機制以及大腦神經(jīng)系統(tǒng)的控制機理等分面的認識還很不清楚；其次，把這方面的現(xiàn)有成果用于語音識別，還有一個艱難的過程。
（五）語音識別系統(tǒng)從實驗室演示系統(tǒng)到商品的轉(zhuǎn)化過程中還有許多具體問題需要解決，識別速度、拒識問題以及關(guān)鍵詞（句）檢測技術(shù)等等技術(shù)細節(jié)要解決。
三、語音識別技術(shù)的前景和應(yīng)用
語音識別技術(shù)發(fā)展到今天，特別是中小詞匯量非特定人語音識別系統(tǒng)識別精度已經(jīng)大于98%，對特定人語音識別系統(tǒng)的識別精度就更高。這些技術(shù)已經(jīng)能夠滿足通常應(yīng)用的要求。由于大規(guī)模集成電路技術(shù)的發(fā)展，這些復(fù)雜的語音識別系統(tǒng)也已經(jīng)完全可以制成專用芯片，大量生產(chǎn)。在西方經(jīng)濟發(fā)達國家，大量的語音識別產(chǎn)品已經(jīng)進入市場和服務(wù)領(lǐng)域。一些用戶交機、電話機、手機已經(jīng)包含了語音識別撥號功能，還有語音記事本、語音智能玩具等產(chǎn)品也包括語音識別與語音合成功能。人們可以通過電話網(wǎng)絡(luò)用語音識別口語對話系統(tǒng)查詢有關(guān)的機票、旅游、銀行信息，并且取得很好的結(jié)果。
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)。
參考文獻：
[1]科大訊飛語音識別技術(shù)專欄. 語音識別產(chǎn)業(yè)的新發(fā)展.企業(yè)專欄.通訊世界,2007.2:(總l12期)
[2]任天平,門茂深.語音識別技術(shù)應(yīng)用的進展.科技廣場.河南科技,2005.2:19-20
[3]俞鐵城.科大訊飛語音識別技術(shù)專欄.語音識別的發(fā)展現(xiàn)狀.企業(yè)專欄.通訊世界,2006.2 (總122期)
[4]陳尚勤等.近代語音識別.西安:電子科技大學(xué)出版社,1991
[5]王炳錫等.實用語音識別基礎(chǔ).Practical Fundamentals of Speech Recognition.北京:國防工業(yè)出版社,2005
[6](美)L.羅賓納.語音識別基本原理.北京:清華大學(xué)出版社,1999
|