語(yǔ)音芯片里語(yǔ)音識(shí)別系統(tǒng)被應(yīng)用在更多需要代替人工服務(wù)或者識(shí)別指令的機(jī)器人中，實(shí)現(xiàn)更多的人機(jī)交互，在生活中帶來更多的便利。語(yǔ)音識(shí)別系統(tǒng)的分類和結(jié)構(gòu)跟otp語(yǔ)音芯片系統(tǒng)比起來也有所不同。

語(yǔ)音芯片識(shí)別系統(tǒng)的分類和結(jié)構(gòu)

一、語(yǔ)音識(shí)別系統(tǒng)分類

語(yǔ)音系統(tǒng)的分類有多種方法，但最常見的是根據(jù)識(shí)別對(duì)象來看，它的識(shí)別任務(wù)大概就分為了三類：孤立詞識(shí)別、關(guān)鍵詞識(shí)別還有連續(xù)語(yǔ)音識(shí)別。

二、語(yǔ)音識(shí)別系統(tǒng)的結(jié)構(gòu)

1. 語(yǔ)音識(shí)別系統(tǒng)的結(jié)構(gòu)包括語(yǔ)音信號(hào)的采樣和預(yù)處理部分、特征參數(shù)提取部分、語(yǔ)音識(shí)別核心部分以及語(yǔ)音識(shí)別后處理部分。

2. 所謂語(yǔ)音識(shí)別的過程，其實(shí)就是模式識(shí)別匹配，首先要根據(jù)人的語(yǔ)音特點(diǎn)建立語(yǔ)音模型，對(duì)輸入的語(yǔ)音信號(hào)進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語(yǔ)音識(shí)別所需的模式。

3. 在識(shí)別的過程中要根據(jù)語(yǔ)音識(shí)別的整體模型，將輸入的語(yǔ)音信號(hào)的特征與已經(jīng)存在的語(yǔ)音模式進(jìn)行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入的語(yǔ)音相匹配的模式。

語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入。語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語(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)別技術(shù)主要包括特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三個(gè)方面。語(yǔ)音識(shí)別技術(shù)車聯(lián)網(wǎng)也得到了充分的引用，例如在翼卡車聯(lián)網(wǎng)中，只需按一鍵通客服人員口述即可設(shè)置目的地直接導(dǎo)航，安全、便捷。

語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別Automatic Speech Recognition，(ASR)，(迅 捷ocr文字識(shí)別軟件)其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說話人識(shí)別及說話人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說話人而非其中所包含的詞匯內(nèi)容。

主 要 分 類

根據(jù)識(shí)別的對(duì)象不同，語(yǔ)音識(shí)別任務(wù)大體可分為3類，即孤立詞識(shí)別(isolated word recognition)，關(guān)鍵詞識(shí)別(或稱關(guān)鍵詞檢出，keyword spotting)和連續(xù)語(yǔ)音識(shí)別。其中，孤立詞識(shí)別 的任務(wù)是識(shí)別事先已知的孤立的詞，如“開機(jī)”、“關(guān)機(jī)”等;連續(xù)語(yǔ)音識(shí)別的任務(wù)則是識(shí)別任意的連續(xù)語(yǔ)音，如一個(gè)句子或一段話;連續(xù)語(yǔ)音流中的關(guān)鍵詞檢測(cè)針對(duì)的是連續(xù)語(yǔ)音，但它并不識(shí)別全部文字，而只是檢測(cè)已知的若干關(guān)鍵詞在何處出現(xiàn)，如在一段話中檢測(cè)“計(jì)算機(jī)”、“世界”這兩個(gè)詞。

根據(jù)針對(duì)的發(fā)音人，可以把語(yǔ)音識(shí)別技術(shù)分為特定人語(yǔ)音識(shí)別和非特定人語(yǔ)音識(shí)別，前者只能識(shí)別一個(gè)或幾個(gè)人的語(yǔ)音，而后者則可以被任何人使用。顯然，非特定人語(yǔ)音識(shí)別系統(tǒng)更符合實(shí)際需要，但它要比針對(duì)特定人的識(shí)別困難得多。

另外，根據(jù)語(yǔ)音設(shè)備和通道，可以分為桌面(PC)語(yǔ)音識(shí)別、電話語(yǔ)音識(shí)別和嵌入式設(shè)備(手機(jī)、PDA等)語(yǔ)音識(shí)別。不同的采集通道會(huì)使人的發(fā)音的聲學(xué)特性發(fā)生變形，因此需要構(gòu)造各自的識(shí)別系統(tǒng)。

識(shí) 別 方 法

語(yǔ)音識(shí)別方法主要是模式匹配法。在訓(xùn)練階段，用戶將詞匯表中的每一詞依次說一遍，并且將其特征矢量作為模板存入模板庫(kù)。在識(shí)別階段，將輸入語(yǔ)音的特征矢量依次與模板庫(kù)中的每個(gè)模板進(jìn)行相似度比較，將相似度最高者作為識(shí)別結(jié)果輸出。

存 在 問 題

1、口音和噪聲

語(yǔ)音識(shí)別中最明顯的一個(gè)缺陷就是對(duì)口音和背景噪聲的處理。

2、語(yǔ)義錯(cuò)誤

通常語(yǔ)音識(shí)別系統(tǒng)的實(shí)際目標(biāo)并不是誤字率。我們更關(guān)心的是語(yǔ)義錯(cuò)誤率，就是被誤解的那部分話語(yǔ)。

3、單通道和多人會(huì)話

一個(gè)好的會(huì)話語(yǔ)音識(shí)別器必須能夠根據(jù)誰(shuí)在說話對(duì)音頻進(jìn)行劃分，還應(yīng)該能弄清重疊的會(huì)話(聲源分離)。

4、其他領(lǐng)域變化

如：來自聲環(huán)境變化的混響、硬件造成的偽影、音頻的編解碼器和壓縮偽影、采樣率的變化、會(huì)話者的年齡不同。

5、上下文相關(guān)聯(lián)判斷識(shí)別

人類聊天容易基于上下文做判斷。機(jī)器目前很難做到。

和自然語(yǔ)言識(shí)別的區(qū)別

語(yǔ)音識(shí)別是自然語(yǔ)言識(shí)別的一個(gè)方向。

廣義的“自然語(yǔ)言處理”包含了“語(yǔ)音”，或者說“語(yǔ)音”也是“自然語(yǔ)言”的一種。狹義的“自然語(yǔ)言處理”是指處理及理解文本，簡(jiǎn)單的理解就是：語(yǔ)音識(shí)別的結(jié)果成了自然語(yǔ)言處理的原材料來源之一，自然語(yǔ)言處理的結(jié)果又成了語(yǔ)音生成的原材料。

它是區(qū)別指令式語(yǔ)音而命名，其基本原理都是一致。自然語(yǔ)音識(shí)別亮點(diǎn)是自然語(yǔ)言理解功能，即用戶可以按照個(gè)人的語(yǔ)言習(xí)慣，用自己慣用的語(yǔ)氣、慣用的詞，將需要被識(shí)別的語(yǔ)音任務(wù)說出來即可。自然語(yǔ)音識(shí)別與指令式語(yǔ)音識(shí)別主要區(qū)別是詞庫(kù)大小及處理方式，指令語(yǔ)音所有處理都是本地進(jìn)行，自然語(yǔ)音識(shí)別目前基本都是采用云處理方式，這樣其語(yǔ)音庫(kù)及處理能力是指令語(yǔ)音無法比擬的。

語(yǔ)音識(shí)別一個(gè)根本的問題是合理的選用特征。特征參數(shù)提取的目的是對(duì)語(yǔ)音信號(hào)進(jìn)行分析處理，去掉與語(yǔ)音識(shí)別無關(guān)的冗余信息，獲得影響語(yǔ)音識(shí)別的重要信息，同時(shí)對(duì)語(yǔ)音信號(hào)進(jìn)行壓縮。在實(shí)際應(yīng)用中，語(yǔ)音信號(hào)的壓縮率介于10-100之間。語(yǔ)音信號(hào)包含了大量各種不同的信息，提取哪些信息，用哪種方式提取，需要綜合考慮各方面的因素，如成本，性能，響應(yīng)時(shí)間，計(jì)算量等。非特定人語(yǔ)音識(shí)別系統(tǒng)一般側(cè)重提取反映語(yǔ)義的特征參數(shù)，盡量去除說話人的個(gè)人信息;而特定人語(yǔ)音識(shí)別系統(tǒng)則希望在提取反映語(yǔ)義的特征參數(shù)的同時(shí)，盡量也包含說話人的個(gè)人信息。

線性預(yù)測(cè)(LP)分析技術(shù)是目前應(yīng)用廣泛的特征參數(shù)提取技術(shù)，許多成功的應(yīng)用系統(tǒng)都采用基于LP技術(shù)提取的倒譜參數(shù)。但線性預(yù)測(cè)模型是純數(shù)學(xué)模型，沒有考慮人類聽覺系統(tǒng)對(duì)語(yǔ)音的處理特點(diǎn)。

Mel參數(shù)和基于感知線性預(yù)測(cè)(PLP)分析提取的感知線性預(yù)測(cè)倒譜，在一定程度上模擬了人耳對(duì)語(yǔ)音的處理特點(diǎn)，應(yīng)用了人耳聽覺感知方面的一些研究成果。實(shí)驗(yàn)證明，采用這種技術(shù)，語(yǔ)音識(shí)別系統(tǒng)的性能有一定提高。從目前使用的情況來看，梅爾刻度式倒頻譜參數(shù)已逐漸取代原本常用的線性預(yù)測(cè)編碼導(dǎo)出的倒頻譜參數(shù)，原因是它考慮了人類發(fā)聲與接收聲音的特性，具有更好的魯棒性(Robustness)。

也有研究者嘗試把小波分析技術(shù)應(yīng)用于特征提取，但目前性能難以與上述技術(shù)相比，有待進(jìn)一步研究。