語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別，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。

成都創(chuàng)新互聯(lián)專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務(wù)，包含不限于網(wǎng)站建設(shè)、網(wǎng)站制作、龍馬潭網(wǎng)絡(luò)推廣、成都微信小程序、龍馬潭網(wǎng)絡(luò)營(yíng)銷、龍馬潭企業(yè)策劃、龍馬潭品牌公關(guān)、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運(yùn)營(yíng)等，從售前售中售后，我們都將竭誠(chéng)為您服務(wù)，您的肯定，是我們大的嘉獎(jiǎng)；成都創(chuàng)新互聯(lián)為所有大學(xué)生創(chuàng)業(yè)者提供龍馬潭建站搭建服務(wù)，24小時(shí)服務(wù)熱線：13518219792，官方網(wǎng)址：www.cdcxhl.com

語(yǔ)音識(shí)別技術(shù)作為輸入方式，比按鍵輸入和手勢(shì)輸入更為快捷，學(xué)習(xí)成本很低，對(duì)于非特定人連續(xù)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率達(dá)到98.73%，已經(jīng)達(dá)到實(shí)用要求，具有廣闊的應(yīng)用前景，在手機(jī)端的應(yīng)用有語(yǔ)音撥號(hào)、語(yǔ)音輸入、語(yǔ)音命令、語(yǔ)音搜索和語(yǔ)音翻譯等。

語(yǔ)音的技術(shù)原理比較復(fù)，可以從語(yǔ)音交互的過(guò)程來(lái)理解：

1.開(kāi)啟語(yǔ)音識(shí)別功能。一般由用戶手動(dòng)點(diǎn)擊按鈕啟動(dòng)，手機(jī)端暫時(shí)無(wú)法自動(dòng)啟動(dòng)，如由語(yǔ)音命令啟動(dòng)或者根據(jù)音量高低判斷開(kāi)始識(shí)別。

2.進(jìn)入說(shuō)話界面。程序界面會(huì)通過(guò)視覺(jué)體現(xiàn)音量的變化。

3.說(shuō)話完畢，系統(tǒng)開(kāi)始分析。結(jié)束輸入有兩種方式：一是自動(dòng)關(guān)閉，通常時(shí)輸入單詞完畢之后自己的關(guān)閉，另一種是用戶手機(jī)手動(dòng)關(guān)閉。系統(tǒng)處理過(guò)程可以分為以下幾個(gè)步驟：

a）前端處理。該模塊的主要任務(wù)是從輸入信號(hào)中去除噪音等影響結(jié)果的因素，提取特征，供聲學(xué)模型處理。信號(hào)處理之前會(huì)先進(jìn)行斷點(diǎn)檢測(cè)，端點(diǎn)檢測(cè)是指在語(yǔ)音信號(hào)中將語(yǔ)音和非語(yǔ)音信號(hào)時(shí)段區(qū)分開(kāi)來(lái)，準(zhǔn)確地確定出語(yǔ)音信號(hào)的起始點(diǎn)。經(jīng)過(guò)端點(diǎn)檢測(cè)后，后續(xù)處理就可以只對(duì)語(yǔ)音信號(hào)進(jìn)行，這對(duì)提高模型的精確度和識(shí)別正確率有重要作用。語(yǔ)音增強(qiáng)的主要任務(wù)就是消除環(huán)境噪聲對(duì)語(yǔ)音的影響。目前通用的方法是采用維納濾波，該方法在噪聲較大的情況下效果好于其它濾波器。

b）聲學(xué)特征提取。聲學(xué)特征的提取既是一個(gè)信息大幅度壓縮的過(guò)程，也是一個(gè)信號(hào)解卷過(guò)程，目的是使模式劃分器能更好地劃分。如上傳音頻會(huì)利用到語(yǔ)音編碼解碼技術(shù)，可以減少音頻的文件大小、存儲(chǔ)空間或者傳輸比特率。

c）統(tǒng)計(jì)聲學(xué)模型。計(jì)算各個(gè)幀的聲學(xué)特征，如上下文建模。根據(jù)發(fā)聲機(jī)理，音之間只能漸變，前一音會(huì)影響后一音，從而使得后一個(gè)音的頻譜與其他條件下的頻譜產(chǎn)生差異，從而使模型能更準(zhǔn)確地描述語(yǔ)音。

d）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，類似于拼音輸入法的詞庫(kù)。如輸入法，詞典更新熱詞和詞庫(kù)有組于提高匹配的準(zhǔn)確率。

e）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，如分析語(yǔ)音上下文。

由于音頻文件大小的限制，本地只能存儲(chǔ)少量的詞典，這也就要求復(fù)雜的語(yǔ)音需要連接服務(wù)器分析。谷歌語(yǔ)音搜索在用戶輸入完成之后才提示無(wú)法聯(lián)網(wǎng)，在啟動(dòng)輸入之前就應(yīng)該檢查網(wǎng)絡(luò)連接狀

4.系統(tǒng)分析完畢輸出結(jié)果。一種是根據(jù)結(jié)果自動(dòng)顯示結(jié)果，如bing搜索，另外一種是提供選項(xiàng)供用戶選擇，這和輸出結(jié)果的概率高低有一定關(guān)系。用戶選擇的結(jié)果對(duì)于詞典的排序產(chǎn)生影響，增強(qiáng)語(yǔ)音的自適應(yīng)和強(qiáng)健性，幫助形成個(gè)性化輸入。

根據(jù)產(chǎn)品可識(shí)別的詞匯量區(qū)分產(chǎn)品，對(duì)于特定語(yǔ)音命令，用戶只能輸入符合命令的詞匯，比如說(shuō)出聯(lián)系人名字搜索。輸入法的詞匯更多，而語(yǔ)句搜索不但需要龐大的詞匯庫(kù)，處理連續(xù)的語(yǔ)音輸入需要區(qū)分連音和變音，還要求能根據(jù)上下文和熱詞輸出更為合理的結(jié)果。條件限制越少，語(yǔ)音識(shí)別的難度越大。因?yàn)橐欢ǔ潭壬媳苊饽：簦~典數(shù)據(jù)越少，輸入特定詞匯的準(zhǔn)確率越高。

中文的語(yǔ)音輸入與英文不同，英文匹配不到詞典配置的詞就無(wú)法識(shí)別，中文詞匯由單字組成，中文可以根據(jù)單字識(shí)別。

io 5的輸入法已經(jīng)加入語(yǔ)音功能，會(huì)逐步變?yōu)槭謾C(jī)輸入的常規(guī)功能，最終輸出結(jié)果的準(zhǔn)確率和操作流暢度是衡量其交互優(yōu)劣的重要標(biāo)準(zhǔn)。

當(dāng)前文章：淺析手機(jī)語(yǔ)音交互設(shè)計(jì)
網(wǎng)頁(yè)地址：http://weahome.cn/article/checce.html