语音识别的概念和前世今生

最近在学习语音识别的一些知识，做了一些笔记，这篇文章讲讲语音识别的发展，以及相关的几个容易混淆的概念。

语音识别的背景

从物理声音被转换为电信号，再通过模数转换器转换为数据。一旦被数字化，就可适用若干种模型。语音识别的技术，就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。

发展阶段

50年代：贝尔实验室开始语音识别的研究，主要研究基于简单的孤立词的语音识别系统。实现针对特定说话人的十个英文数字的孤立词语音识别系统。

60年代：出现三个关键的技术，提出一种时间规整的机制，采用动态规划算法实现动态时间规整DTW技术，利用音素动态跟踪的方法进行连续语音识别的开创性工作。为语音识别的后来发展奠定了基础。

70年代：语音识别技术快速发展的时期。实现大规模语音识别，大词汇量，孤立词识别。

80年代：基于隐马尔科夫模型的声学建模和基于n．gram的语言模型。尝试大词汇量、非特定人连续语音识别。

90年代：语音识别技术基本成熟的时期，基于GMM-HMM的语音识别框架得到广泛使用和研究。

20年代初期：语音识别并没有得到非常好的应用，因为系统的错误率还很高。2006年开始再度兴起。

学科基础

通信基础知识和信号处理、声学基本知识和特征、概率论和信息论、统计学、机器学习等等。

相关概念

语音识别

简称ASR（Automatic，Speech，Recognition），将声学语音进行分析，并得到对应的文字或拼音信息。

自然语言处理

简称NLP（Neuro-linguistic programming），用于将用户的语音转换为结构化的、机器可以理解的语言。

语音唤醒

简称KWS（keyword spotting），技术通过在设备或软件中预置唤醒词，当用户发出该语音指令时，设备便从休眠状态中被唤醒，并响应指令。

语音合成

简称TTS（Text To Speech），即将文本转换成语音，实现让机器说话。

声纹识别

简称VPR（Voice Print Recognition），根据说话人的声波特性进行身份辨识的服务，是生物识别技术的一种。

区别与联系

应用场景