語言識別技術(shù)的應(yīng)用

李曉朋

摘 要

計算機(jī)語言伴隨硬件，操作系統(tǒng) 及互聯(lián)網(wǎng)的飛速發(fā)展也取得了很大進(jìn)展。近十年以來，計算機(jī)語言已經(jīng)由低級發(fā)展成高級，目前的高級語言已達(dá)幾百種，并且還在持續(xù)變化和更新之中。因?yàn)槊糠N語言都各具特色，人們可以有更多選擇的機(jī)會選擇適合自己任務(wù)類型的語言。本篇論文簡要說明了語音技術(shù)的發(fā)展態(tài)勢。

【關(guān)鍵詞】計算機(jī) 應(yīng)用 語音識別技術(shù)

識別技術(shù)是一種后續(xù)處理技術(shù)，主要利用某種識別裝置，從識別裝置與被識別物品間的活動對被識別物品信息進(jìn)行自動獲取，計算機(jī)處理系統(tǒng)接收到這些信息并且進(jìn)行處理。比如在商場就有一種非常典型的自動識別技術(shù)，叫做條形碼掃描系統(tǒng)。商場售貨員利用掃描儀對商品的條碼進(jìn)行掃描，得到商品相關(guān)信息，如輸入數(shù)量，名稱和價格等，通過計算機(jī)后臺POS系統(tǒng)能夠得到這批商品的價格，進(jìn)而與顧客完成結(jié)算工作。

1 計算機(jī)語音技術(shù)的發(fā)展進(jìn)程

自五十年代起，研究人員大多對語音學(xué)和聲學(xué)的基礎(chǔ)理念比較關(guān)注。AT& T Bell 實(shí)驗(yàn)室在一九五二年設(shè)計了一個語音識別系統(tǒng) ，這套系統(tǒng)實(shí)現(xiàn)了單一 發(fā)音人孤立發(fā)音的10個英文數(shù)字，主要方法是對每一個數(shù)字的元音音段的共振峰進(jìn)行度量。RCA Lab在一九五六年進(jìn)行了另外一個研究，希望對單一發(fā)音的十個不同音節(jié)進(jìn)行識別，主要方法依然是度量共振峰法英國University College于一九五九年提出了另外一種設(shè)計思想，利用模板匹配與譜分析法對音素識別器進(jìn)行構(gòu)建，能夠?qū)艂€輔音和四個元音進(jìn)行識別。到了六十年代，又陸續(xù)出現(xiàn)了幾種重要的設(shè)計理念語音識別。東京大學(xué)于一九六二年嘗試應(yīng)用了另外一種音素識別器，主要采取過零率方法把語音信號的各個部分分離開再識別。日本NEC Lab 在一九六三年最有進(jìn)展的工作就是進(jìn)行數(shù)字的語音識別，這項技術(shù)也是NEC語音識別技術(shù)的起源，并且制定了長期的研究計劃，取得了不錯的成果。三大研究項目在六十年代的推進(jìn)，深刻影響了隨后二十多年語音識別技術(shù)的開發(fā)和研究。首個研究項目起始于六十年代后期，是由RCA Lab展開的，重點(diǎn)針對語音事件在時間刻度上不均勻性進(jìn)行研究。進(jìn)而設(shè)計出時間歸正的基本方法，這個方法的前提是可以準(zhǔn)確對語音事件的始末點(diǎn)進(jìn)行檢測。

2 語音識別技術(shù)的發(fā)展態(tài)勢

在全世界科學(xué)家的共同努力下，經(jīng)過半個世紀(jì)以上的研究，現(xiàn)在語音識別技術(shù)已經(jīng)越來越接近可應(yīng)用階段。能夠識別大詞匯量的朗讀式連續(xù)說話的寬帶語音信號，實(shí)際平均識別率已經(jīng)超過了百分之九十，在識別率達(dá)到了實(shí)用要求后，語音識別技術(shù)已經(jīng)逐漸從實(shí)驗(yàn)室演示系統(tǒng)階段向著實(shí)用型商品轉(zhuǎn)化。比如現(xiàn)在出現(xiàn)兩的個聽寫系統(tǒng)，即IBM Via Voice 和Dragon Dictation 就應(yīng)用了語音識別技術(shù)，大眾逐步接受了語音識別技術(shù)，現(xiàn)在全社會都在關(guān)注這項技術(shù)。語音識別技術(shù)也有它的弱勢，比如需要花費(fèi)大量時間更正識別錯誤，校正語音等。與此同時，受到講話習(xí)慣及應(yīng)用環(huán)境等相關(guān)因素的影響，有些語音內(nèi)容不太容易識別，識別內(nèi)容的正確率達(dá)不到百分之百，所以，不少人覺得現(xiàn)有的語音識別系統(tǒng)與實(shí)用要求還有一定的差距?，F(xiàn)在，兩位專家AT&T 和MIT也在某些有限詞匯的特殊任務(wù)中應(yīng)用語音識別技術(shù)。比如識別數(shù)字串，電話查詢及自動轉(zhuǎn)接等任務(wù)，如果系統(tǒng)中已經(jīng)存儲了講話的內(nèi)容，并且訓(xùn)練數(shù)據(jù)聲學(xué)特性與實(shí)際環(huán)境中的聲學(xué)特性沒有太大的差別時，語音識別幾乎可以達(dá)到百分之百的正確率。不過，一旦這些條件在實(shí)際應(yīng)用中被破壞了，將會影響到識別系統(tǒng)。

3 語音識別技術(shù)的發(fā)展進(jìn)程

盡管在以往二十幾年的時間里，語音識別技術(shù)的發(fā)展迅速，不過這項技術(shù)依然存在很多問題，需要深入探討并加以解決，具體內(nèi)容如下所示：

3.1 使可靠性提升

利用語音識別技術(shù)可以將不同聲學(xué)環(huán)境因素造成的影響排除掉。有些公共環(huán)境非常嘈雜，人們會在潛意識里把不需要的聲學(xué)環(huán)境因素排除掉，而對于語音識別系統(tǒng)來說幾乎不可能做得到。再者，人類在日常 生活中的不確定性比較大，言語習(xí)慣和隨意性很明顯。這些問題都會嚴(yán)重影響語音識別系統(tǒng)的正確性。現(xiàn)在，為達(dá)到最理想的識別效果，增強(qiáng)語音系統(tǒng) 在不同環(huán)境中的可靠性，要設(shè)計智能化更高的語音識別系統(tǒng) ，積極了解人類語言隨意性的基本規(guī)律。

3.2 使詞匯量加大

度量一個系統(tǒng)可以做什么事情，主要看它能夠識別詞匯的數(shù)量。當(dāng)語音識別系統(tǒng)應(yīng)用的語音和聲學(xué)模型受到較大的約束時，如果用戶講述內(nèi)容不在系統(tǒng)已知的范圍之內(nèi)時，語音識別系統(tǒng)對相關(guān)內(nèi)容就無法準(zhǔn)確的識別，例如，如果講述的過程中突然轉(zhuǎn)換成其他國家的語言，計算機(jī)就很難識別，會輸出混亂的錯誤結(jié)果。不過，伴隨持續(xù)改進(jìn)的系統(tǒng) 建模方法，不斷提高的搜索算法效率，不斷發(fā)展的硬件資源，將來設(shè)計的語音識別系統(tǒng)有可能混合多種語言，并且具備無限的詞匯量。

3.3 語音識別技術(shù)應(yīng)用的拓展

語音識別技術(shù)能夠?qū)C(jī)器的機(jī)械化操作轉(zhuǎn)變成趣味性十足的事情，并且還會帶動功能更加便捷的設(shè)備的發(fā)展，人們的生活和工作變得更加方便。語音識別技術(shù)具有極為廣泛的應(yīng)用前景和范圍。不但可以在日常生活中應(yīng)用，還會產(chǎn)生生產(chǎn)方式的革命性改變，是未來實(shí)現(xiàn)智能化控制的前提。

3.4 使體積縮小，成本下降

語音識別技術(shù)應(yīng)用的另外一個主要渠道是微型化。微型化推廣的程度受語音識別技術(shù)自身進(jìn)程的影響，與此同時又與微電子芯片技術(shù)的發(fā)展密切相關(guān)。在微小的模塊或者芯片上固化功能先進(jìn)的語音識別系統(tǒng)，能夠大幅度降低產(chǎn)品的體積和成本，消費(fèi)者將會更加青睞這樣的產(chǎn)品，微電子芯片技術(shù)與語音識別系統(tǒng)的飛速發(fā)展將會為我們的信息技術(shù)帶來創(chuàng)世紀(jì)的革命。

4 結(jié)語

總而言之，二十一世紀(jì)是互聯(lián)網(wǎng)時代，在網(wǎng)絡(luò)上能夠?qū)崿F(xiàn)一系列的人類活動，人類的各項活動在互聯(lián)網(wǎng)上變得越來越便捷。隨著語音識別系統(tǒng) 的發(fā)展，人們利用這項技術(shù)將實(shí)現(xiàn)更加自由的交流，使人們可以利用語音交互方式在任何地方和時間享受到大量的社會信息資源，享受到人性化體貼的服務(wù)。語音識別技術(shù)的研究和應(yīng)用必將得到飛速的發(fā)展。

參考文獻(xiàn)

[1]禹琳琳.語音識別技術(shù)及應(yīng)用綜述[J].現(xiàn)代電子技術(shù)，2013（13）.

[2]王敏妲.語音識別技術(shù)的研究與發(fā)展[J].微型機(jī)與應(yīng)用，2009（23）.

[3]侯亞君.計算機(jī)語言識別技術(shù)應(yīng)用的探究[J].電腦開發(fā)與應(yīng)用，2014（03）.

作者單位

中國人民解放軍93708部隊 北京市 101302