語(yǔ)音識(shí)別技術(shù)的應(yīng)用包括語(yǔ)音撥號(hào)、語(yǔ)音導(dǎo)航、室內(nèi)設(shè)備控制、語(yǔ)音文檔檢索、簡(jiǎn)單的聽(tīng)寫(xiě)數(shù)據(jù)錄入等。語(yǔ)音識(shí)別技術(shù)與其他自然語(yǔ)言處理技術(shù)如機(jī)器翻譯及語(yǔ)音合成技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用，例如語(yǔ)音到語(yǔ)音的翻譯。

　　語(yǔ)音識(shí)別技術(shù)所涉及的領(lǐng)域包括：信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽(tīng)覺(jué)機(jī)理、人工智能等等。

　　歷史

　　早在計(jì)算機(jī)發(fā)明之前，自動(dòng)語(yǔ)音識(shí)別的設(shè)想就已經(jīng)被提上了議事日程，早期的聲碼器可被視作語(yǔ)音識(shí)別及合成的雛形。而1920年代生產(chǎn)的"Radio Rex"玩具狗可能是最早的語(yǔ)音識(shí)別器，當(dāng)這只狗的名字被呼喚的時(shí)候，它能夠從底座上彈出來(lái)。最早的基于電子計(jì)算機(jī)的語(yǔ)音識(shí)別系統(tǒng)是由AT&T貝爾實(shí)驗(yàn)室開(kāi)發(fā)的Audrey語(yǔ)音識(shí)別系統(tǒng)，它能夠識(shí)別10個(gè)英文數(shù)字。其識(shí)別方法是跟蹤語(yǔ)音中的共振峰。該系統(tǒng)得到了98%的正確率。到1950年代末，倫敦學(xué)院(College of London)的Denes已經(jīng)將語(yǔ)法概率加入語(yǔ)音識(shí)別中。

　　1960年代，人工神經(jīng)網(wǎng)絡(luò)被引入了語(yǔ)音識(shí)別。這一時(shí)代的兩大突破是線(xiàn)性預(yù)測(cè)編碼Linear Predictive Coding (LPC)， 及動(dòng)態(tài)時(shí)間規(guī)整Dynamic Time Warp技術(shù)。

　　語(yǔ)音識(shí)別技術(shù)的最重大突破是隱馬爾科夫模型Hidden Markov Model的應(yīng)用。從Baum提出相關(guān)數(shù)學(xué)推理，經(jīng)過(guò)Labiner等人的研究，卡內(nèi)基梅隆大學(xué)的李開(kāi)復(fù)最終實(shí)現(xiàn)了第一個(gè)基于隱馬爾科夫模型的大詞匯量語(yǔ)音識(shí)別系統(tǒng)Sphinx。此后嚴(yán)格來(lái)說(shuō)語(yǔ)音識(shí)別技術(shù)并沒(méi)有脫離HMM框架。

　　盡管多年來(lái)研究人員一直嘗試將“聽(tīng)寫(xiě)機(jī)”推廣，語(yǔ)音識(shí)別技術(shù)在目前還無(wú)法支持無(wú)限領(lǐng)域，無(wú)限說(shuō)話(huà)人的聽(tīng)寫(xiě)機(jī)應(yīng)用。

　　模型

　　目前，主流的大詞匯量語(yǔ)音識(shí)別系統(tǒng)多采用統(tǒng)計(jì)模式識(shí)別技術(shù)。典型的基于統(tǒng)計(jì)模式識(shí)別方法的 語(yǔ)音識(shí)別系統(tǒng)由以下幾個(gè)基本模塊所構(gòu)成

　　信號(hào)處理及特征提取模塊。該模塊的主要任務(wù)是從輸入信號(hào)中提取特征，供聲學(xué)模型處理。同時(shí)，它一般也包括了一些信號(hào)處理技術(shù)，以盡可能降低環(huán)境噪聲、信道、說(shuō)話(huà)人等因素對(duì)特征造成的影響。 統(tǒng)計(jì)聲學(xué)模型。典型系統(tǒng)多采用基于一階隱馬爾科夫模型進(jìn)行建模。 發(fā)音詞典。發(fā)音詞典包含系統(tǒng)所能處理的詞匯集及其發(fā)音。發(fā)音詞典實(shí)際提供了聲學(xué)模型建模單元與語(yǔ)言模型建模單元間的映射。 語(yǔ)言模型。語(yǔ)言模型對(duì)系統(tǒng)所針對(duì)的語(yǔ)言進(jìn)行建模。理論上，包括正則語(yǔ)言，上下文無(wú)關(guān)文法在內(nèi)的各種語(yǔ)言模型都可以作為語(yǔ)言模型，但目前各種系統(tǒng)普遍采用的還是基于統(tǒng)計(jì)的N元文法及其變體。 解碼器。解碼器是語(yǔ)音識(shí)別系統(tǒng)的核心之一，其任務(wù)是對(duì)輸入的信號(hào)，根據(jù)聲學(xué)、語(yǔ)言模型及詞典，尋找能夠以最大概率輸出該信號(hào)的詞串。 從數(shù)學(xué)角度可以更加清楚的了解上述模塊之間的關(guān)系。首先，統(tǒng)計(jì)語(yǔ)音識(shí)別的最基本問(wèn)題是，給定輸入信號(hào)或特征序列，符號(hào)集(詞典)，求解符號(hào)串使得：

　　W = argmaxP(W | O) 通過(guò)貝葉斯公式，上式可以改寫(xiě)為

　　由于對(duì)于確定的輸入串O，P(O)是確定的，因此省略它并不會(huì)影響上式的最終結(jié)果，因此，一般來(lái)說(shuō)語(yǔ)音識(shí)別所討論的問(wèn)題可以用下面的公式來(lái)表示，可以將它稱(chēng)為語(yǔ)音識(shí)別的基本公式。 W = argmaxP(O | W)P(W)

　　從這個(gè)角度來(lái)看，信號(hào)處理模塊提供了對(duì)輸入信號(hào)的預(yù)處理，也就是說(shuō)，提供了從采集的語(yǔ)音信號(hào)(記為S)到 特征序列O的映射。而聲學(xué)模型本身定義了一些更具推廣性的聲學(xué)建模單元，并且提供了在給定輸入特征下，估計(jì)P(O | uk)的方法。

　　為了將聲學(xué)模型建模單元串映射到符號(hào)集，就需要發(fā)音詞典發(fā)揮作用。它實(shí)際上定義了映射的映射。為了表示方便，也可以定義一個(gè)由到U的全集的笛卡爾積，而發(fā)音詞典則是這個(gè)笛卡爾積的一個(gè)子集。并且有：

　　最后，語(yǔ)言模型則提供了P(W)。這樣，基本公式就可以更加具體的寫(xiě)成：

　　對(duì)于解碼器來(lái)說(shuō)，就是要在由,,ui以及時(shí)間標(biāo)度t張成的搜索空間中，找到上式所指明的W。

　　語(yǔ)音識(shí)別是一門(mén)交叉學(xué)科，語(yǔ)音識(shí)別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，語(yǔ)音識(shí)別技術(shù)與語(yǔ)音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤(pán)，通過(guò)語(yǔ)音命令進(jìn)行操作。語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。

　　與機(jī)器進(jìn)行語(yǔ)音交流，讓機(jī)器明白你說(shuō)什么，這是人們長(zhǎng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語(yǔ)音識(shí)別是一門(mén)交叉學(xué)科。近二十年來(lái)，語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步，開(kāi)始從實(shí)驗(yàn)室走向市場(chǎng)。人們預(yù)計(jì)，未來(lái)10年內(nèi)，語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車(chē)電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。語(yǔ)音識(shí)別聽(tīng)寫(xiě)機(jī)在一些領(lǐng)域的應(yīng)用被美國(guó)新聞界評(píng)為1997年計(jì)算機(jī)發(fā)展十件大事之一。很多專(zhuān)家都認(rèn)為語(yǔ)音識(shí)別技術(shù)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。

　　原理

　　語(yǔ)音識(shí)別系統(tǒng)提示客戶(hù)在新的場(chǎng)合使用新的口令密碼，這樣使用者不需要記住固定的口令，系統(tǒng)也不會(huì)被錄音欺騙。文本相關(guān)的聲音識(shí)別方法可以分為動(dòng)態(tài)時(shí)間伸縮或隱馬爾可夫模型方法。文本無(wú)關(guān)聲音識(shí)別已經(jīng)被研究很長(zhǎng)時(shí)間了，不一致環(huán)境造成的性能下降是應(yīng)用中的一個(gè)很大的障礙。

　　其工作原理：

　　動(dòng)態(tài)時(shí)間伸縮方法使用瞬間的、變動(dòng)倒頻。1963年Bogert et al出版了《回聲的時(shí)序倒頻分析》。通過(guò)交換字母順序，他們用一個(gè)含義廣泛的詞匯定義了一個(gè)新的信號(hào)處理技術(shù)，倒頻譜的計(jì)算通常使用快速傅立葉變換。

　　從1975年起，隱馬爾可夫模型變得很流行。運(yùn)用隱馬爾可夫模型的方法，頻譜特征的統(tǒng)計(jì)變差得以測(cè)量。文本無(wú)關(guān)語(yǔ)音識(shí)別方法的例子有平均頻譜法、矢量量化法和多變量自回歸法。

　　平均頻譜法使用有利的倒頻距離，語(yǔ)音頻譜中的音位影響被平均頻譜去除。使用矢量量化法，語(yǔ)者的一套短期訓(xùn)練的特征向量可以直接用來(lái)描繪語(yǔ)者的本質(zhì)特征。但是，當(dāng)訓(xùn)練向量的數(shù)量很大時(shí)，這種直接的描繪是不切實(shí)際的，因?yàn)榇鎯?chǔ)和計(jì)算的量變得離奇的大。所以嘗試用矢量量化法去尋找有效的方法來(lái)壓縮訓(xùn)練數(shù)據(jù)。Montacie et al在倒頻向量的時(shí)序中應(yīng)用多變量自回歸模式來(lái)確定語(yǔ)者特征，取得了很好的效果。

　　想騙過(guò)語(yǔ)音識(shí)別系統(tǒng)要有高質(zhì)量的錄音機(jī)，那不是很容易買(mǎi)到的。一般的錄音機(jī)不能記錄聲音的完整頻譜，錄音系統(tǒng)的質(zhì)量損失也必須是非常低的。對(duì)于大多數(shù)的語(yǔ)音識(shí)別系統(tǒng)，模仿的聲音都不會(huì)成功。用語(yǔ)音識(shí)別來(lái)辨認(rèn)身份是非常復(fù)雜的，所以語(yǔ)音識(shí)別系統(tǒng)會(huì)結(jié)合個(gè)人身份號(hào)碼識(shí)別或芯片卡。

　　語(yǔ)音識(shí)別系統(tǒng)得益于廉價(jià)的硬件設(shè)備，大多數(shù)的計(jì)算機(jī)都有聲卡和麥克風(fēng)，也很容易使用。但語(yǔ)音識(shí)別還是有一些缺點(diǎn)的。語(yǔ)音隨時(shí)間而變化，所以必須使用生物識(shí)別模板。語(yǔ)音也會(huì)由于傷風(fēng)、嗓音沙啞、情緒壓力或是青春期而變化。語(yǔ)音識(shí)別系統(tǒng)比指紋識(shí)別系統(tǒng)有著較高的誤識(shí)率，因?yàn)槿藗兊穆曇舨幌裰讣y那樣獨(dú)特和唯一。對(duì)快速傅立葉變換計(jì)算來(lái)說(shuō)，系統(tǒng)需要協(xié)同處理器和比指紋系統(tǒng)更多的效能。目前語(yǔ)音識(shí)別系統(tǒng)不適合移動(dòng)應(yīng)用或以電池為電源的系統(tǒng)。