语音识别是什么?他有什么价值,以及他的技术原理是什么?本文将解答大家对语音识别的常见疑问。
语音识别技术(ASR)是什么?
机器要与人实现对话,那就需要实现三步:
对应的便是“耳”、“脑”、“口”的工作,机器要听懂人类说话,就离不开语音识别技术(ASR)。
语音识别已经成为了一种很常见的技术,大家在日常生活中经常会用到:
苹果的用户肯定都体验过 Siri ,就是典型的语音识别微信里有一个功能是”文字语音转文字”,也利用了语音识别最近流行的智能音箱就是以语音识别为核心的产品比较新款的汽车基本都有语音控制的功能,这也是语音识别语音识别技术讲解
语音识别技术拆分下来,主要可分为“输入——编码——解码——输出 ”4个流程。
那语音识别是怎么工作的呢?
首先声音的本身是一种波,就像我们常常用一段段波形来表示音频一样。
接下来按步骤:
给音频进行信号处理后,便要按帧(毫秒级)拆分,并对拆分出的小段波形按照人耳特征变成多维向量信息将这些帧信息识别成状态(可以理解为中间过程,一种比音素还要小的过程)再将状态组合形成音素(通常3个状态=1个音素)最后将音素组成字词(dà jiā hǎo)并串连成句 。于是,这就可以实现由语音转换成文字了。看看百度百科和维基百科是怎么解释的
百度百科
语音识别技术,也被称为自动语音识别 Automatic Speech Recognition,(ASR),其目标是将人类的语音中的词汇内容转换为计算机可读的输入,例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同,后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
维基百科
语音识别是计算语言学的跨学科子领域,其开发方法和技术,使得能够通过计算机识别和翻译口语。它也被称为自动语音识别(ASR),计算机语音识别或语音到文本(STT)。它融合了语言学,计算机科学和电气工程领域的知识和研究。
一些语音识别系统需要“训练”(也称为“登记”),其中个体说话者将文本或孤立的词汇读入系统。系统分析人的特定声音并使用它来微调对该人的语音的识别,从而提高准确性。不使用训练的系统称为“说话者无关” 系统。使用训练的系统称为“说话者依赖”。