语音识别芯片所涉及的技术包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。
语音识别分类
按照使用者的限制而言，语音识别芯片可以分为特定人语音识别芯片和非特定人语音识别芯片。
特定人语音识别芯片是针对指定人的语音识别，其他人的话不识别，须先把使用者的语音参考样本存入当成比对的资料库，即特定人语音识别在使用前必须要进行语音训练，一般按照机器提示训练2遍语音词条即可使用。
非特定人语音识别是不用针对指定的人的识别技术，不分年龄、性别，只要说相同语言就可以，应用模式是在产品定型前按照确定的十几个语音交互词条，采集200人左右的声音样本，经过PC算法处理得到交互词条的语音模型和特征数据库，然后烧录到芯片上。应用这种芯片的机器(智能娃娃、电子宠物、儿童电脑)就具有交互功能了。
非特定人语音识别应用有的是基于音素的算法，这种模式下不需要采集很多人的声音样本就可以做交互识别，但是缺点是识别率不高，识别性能不稳定。
语音识别基本原理
嵌入式语音识别系统都采用了模式匹配的原理。录入的语音信号首先经过预处理，包括语音信号的采样、反混叠滤波、语音增强，接下来是特征提取，用以从语音信号波形中提取一组或几组能够描述语音信号特征的参数。特征提取之后的数据一般分为两个步骤，第一步是系统"学习"或"训练"阶段，这一阶段的任务是构建参考模式库，词表中每个词对应一个参考模式，它由这个词重复发音多遍，再经特征提取和某种训练中得到。第二是"识别"或"测试"阶段，按照一定的准则求取待测语音特征参数和语音信息与模式库中相应模板之间的失真测度，最匹配的就是识别结果。
语音识别四大平台
1、科大讯飞
科大讯飞股份有限公司成立于1999年，是一家专业从事智能语音及语言技术、人工智能技术研究，软件及芯片产品开发，语音信息服务及电子政务系统集成的国家级骨干软件企业。2008年，科大讯飞在深圳证券交易所挂牌上市，股票代码：002230。
11月23日科大讯飞轮值总裁胡郁在发布会上引述了罗永浩在9 月锤子发布会上的演示数据，表示科大讯飞的语音输入识别成功率也达到了97%，即使是离线识别准确率也达到了95%。
2、云知声
云知声成立于2012年6月。之前1年，Siri的发布再度唤醒了大家对语音识别的关注。经过四年多的积累，云知声的合作伙伴数量超过2万家，覆盖用户超过1.8亿，其中语音云平台覆盖城市超过470个，覆盖设备超过9000万台。
3、百度
百度则在11月22日宣布向开发者开放了情感合成、远场方案、唤醒二期和长语音方案等四项语音识别技术。百度语音开放平台自2013 年10 月上线以来每日在线语音识别请求已经达到了1.4 亿次，开发者数量超过14 万。在如此庞大的数据支撑下，百度语音在“安静条件下”的识别准确率达到了97%。4、搜狗
搜狗语音团队在11 月21 日推出了自己的语音实时翻译技术。搜狗的这项技术主要包括两个方面，分别是语音识别和机器翻译。根据该团队的介绍，搜狗语音识别的准确率达到了97%，支持最快400 字每秒的听写。
语音识别芯片原厂及芯片方案
1、ICRoute
总部：上海
简介：ICRoute专注于开拓语音识别的芯片市场,致力于研发出高性能的语音识别，语音处理芯片。为各种平台的电子产品提供VUI（Voice User Interface）语音人机交互界面。目前提供的语音识别芯片，可以在
包括蓝牙，小家电，照明开关，玩具，车载电子，遥控器等各个电子产品领域提供非特定人的语音识别/声控功能。
语音识别芯片：
ICRoute LD3320——能在单片机上使用的语音识别芯片
由LD3320组成的语音识别系统有很广泛的应用，如语音控制的点歌系统、语音控制的手机、音控智能导航仪、音控智能家电产品等。
2、凌阳、凌通(芯片原厂)
总部：台湾
语音识别芯片：
凌阳单片机61A——带有语音识别芯片的微控制器，可以实现语音识别功能的芯片，一般小客户只能拿到特定人识别的参考代码。
3、新唐科技
总部：台湾
语音识别芯片：
ISD9160是一款具有Cortex-M0内核的语音SOC，能够实现录音放音等应用。通过软件支持，ISD9160可以实现特定人和非特定人语音识别。其中非特定人语音识别支持九种语音，方便客户开发国际化的产品。客户在开发的时候，使用新唐提供的ASR Tool工具，只需将所需命令写成文本模式，然后经由工具转换，就能生成用于项目文件的语音识别代码模块，简单并且容易使用。这种语音识别方案适用于语音控制系统领域，即用语音来控制设备的运行，相对于手动控制来说更加快捷、方便，可以用在诸如智能家电、智能穿戴、声控智能玩具等许多领域。
4、全志
总部：珠海
全志R16助力科大讯飞智能语音
科大讯飞4+1环形五麦克风阵列搭载全志R16平台
搭载全志R16平台的科大讯飞4+1环形五麦克风阵列，专为机器人等可移动、能灵活转身、有全角度拾音需求的智能硬件产品而设计，远场拾音距离可达5米。相比以往线性麦克风单维180度的覆盖维度，它可将覆盖度扩大到二维空间，即360度全平面拾音角度，而且去噪效果更好，抗环境噪音的能力更强，就算在嘈杂的环境中也能准确地识别声音。卓越的环形五麦克风远场识别技术与语音识别、语音合成、语音唤醒、声纹识别、人脸识别等交互技术相结合，让智能硬件产品拥有了更出色的人机交互能力。
5、深圳市盛矽电子科技有限公司（二次开发）
总部：深圳
简介：盛矽电子是专业从事语音方案与技术服务的提供商，由深圳总公司和北京研发中心分公司组成。专注于语音识别、智能玩具、儿童电脑、语音芯片等领域。
语音识别芯片：
1）特定人语音识别·录音·放音语音芯片SR150X
2）非特定人OTP语音识别芯片SR170X
独有的的软件虚拟机技术，只要硬件资源能够匹配，所有软件功能可以通过Flash端实现，有效降低客人MASK风险以及库存量，多款产品可以通过同一颗芯片实现，真正实现零库存，MASK的价格，OTP的性能。
6、深圳市捷通语音技术开发有限公司（二次开发）
总部：深圳
简介：深圳市捷通语音技术开发有限公司是一家专业从事语音识别、语音合成业务的科技及贸易一体化公司。公司开创了语音识别芯片应用在玩具领域的市场。公司可根据客户的需求，提供产品的解决方案; 为特定市场的产品,设计新功能新应用,为品牌企业实现产品创新。
7、上海华镇电子科技有限公司
总部：上海
简介：上海华镇是专门从事语音识别、语音合成、声纹识别技术的开发、研究、软件应用及提供全程技术支持和服务的高新科技企业；全面掌握核心技术，其中中文语音识别和合成技术代表了当今世界同类产品的领先水平。其技术能够应用于各种电子及通信设备，包括：智能玩具，智能家居系统，智能汽车导航及声控，智能手机Smartphone、PDA、固定电话、移动电话，电信级的服务器及个人电脑等。
语音识别芯片/模块：
1）语音识别芯片/模块GM11A550
2）高端语音识别芯片/模块WS117--最多支持1000条词条识别[此芯片已停产]
3）特定人语音识别（SD）芯片WS-100
8、北京承芯卓越科技有限公司
总部：北京
简介：公司成立于2006年12月，是一家立足于中关村清华科技园区的北京市高新技术企业，海淀区创新企业，是以提供具有自主知识产权的智能语音处理类专用芯片和方案为主业的高科技公司。主要致力于自主研发嵌入式语音识别芯片、应用软件技术、和智能语音应用方案。
语音识别芯片：
1）语音识别芯片-28X
2）语音识别芯片-29X
3）语音识别协处理芯片-HBR34X
9、深圳唯创知音电子有限公司
总部：深圳
简介：专注于语音技术研究、语音产品方案设计及控制等软、硬件设计的高新技术公司。杰出的语音芯片厂家，从事语音芯片研究及外围电路开发；同时为有特别需求的客户制订语音产品开发方案，并且落实执行该方案，完成产品的研发、测试，声音处理，直至产品的实际应用指导等一系列服务。业务范围涉及电话录音、汽车电子、多媒体、家居防盗、通信、家电、医疗器械、工业自动化控制、玩具及互动消费类产品等领。
语音识别芯片/模块：
WTK6900B01语音识别模块
语音识别的应用前景
智能语音车载
曾经看过一款汽车的概念宣传广告，驾驶员通过语音指令找到自己的车；打开车锁，通过语音指令寻找导航，播放音乐等等，相当炫酷。当然对于智能车载来说更关键的是行车安全问题，对于驾驶员来说，能通过语音控制接打电话，查看自己的社交软件，绝对比在开车的过程中手忙脚乱的用手控制来的更安全。智能语音家居
现在的智能家居市场之所以外热内冷，智能家居产品之所以不受消费者待见，一个非常主要的原因是现在的智能家居产品没有抓住消费者的痛点，将原本简单的事情复杂化了。在手机上找到控制app打开窗帘的过程远比消费者直接走到窗前拉开窗帘来的麻烦。而有了语音识别的智能家居则不一样，消费者只要轻轻说声“开窗帘”就能打开窗帘。
智能语音医疗应用
前一段时间，著名语音识别企业Nuance 在其官方博客上，公布了将发力医疗领域的消息。其产品不但能通过智能手表追踪人体运动情况和心率，还可以根据人的身体状况匹配相应的服务，如合适的餐厅或食物等。另外他们还考虑到更多场景，诸如紧急语音求助，医患对话存档，呼叫中心的对话听写等。
智能穿戴语音控制
我们总有那么些时间是没法使用自己的双手的。打电话，发微信，查路线，叫车，这些如果都可以用一个可穿戴设备通过语音控制实现，那该多好！
总结：除了以上列举的，语音识别还有更多更广的应用。随着我们的生活越来越智能化，相信语音识别的应用场景肯定是非常广阔的。
IBM语音识别输入系统(ViaVioce) V9.1 简体中文光盘版| 用嘴巴控制电脑... sjyhsyj 2009-8-28 12:13:271# 软件大小：276.08MB 软件语言：多国语言 软件类别：国外软件 / 汉字输入 运行环境：Win9x/NT/2000/XP/ 软件介绍： 该系统可用于声控打字和语音导航。只要对着微机讲话，不用敲键盘即可打汉字，每分钟可输入150个汉字，是键盘输入的两倍，是普通手写输入的六倍。该系统识别率可达95%以上。并配备了高性能的麦克风，使用便利，特别适合于起草文稿、撰写文章、和准备教案，是文职人员、作家和教育工作者的良好助手。 IBM潜心研究26年，他领导了世界的语音识别技术，其语音识别产品在全球销售已达一百万套以上。使用语音输入方式，您的工作空间更加自由舒畅: *即使您不会打字，也可迅速准备好文稿； *只要集中精力思考问题，无须琢磨怎样拼音，怎样拆字； *当您疲劳时,闭上眼、伸伸腰，双手方在脑后，然后轻松地说：开始听写吧... ... 注：价值超数千元的IBM的中文语音录入工具，有耳麦的朋友可以试一试，也可以当作学习普通话的工具，没有理由不下载使用它。 IBM ViaVoice语音输入系统详解 作者: 艾寒出处: 天极网 目前汉字输入的方式主要有四种：键盘输入，手写输入，扫描输入和我们现在要谈到的语音输入。让我们先来了解一下这四种输入方式。 键盘输入：键盘输入基本上是基于各种输入法，主要又分为字形输入法和拼音输入法。实际上字形输入法是不符合人的写作思维习惯，因为人们在措辞时，头脑中首先反映出的是即将这个词语的语音，所以字形输入法更适合专业录入人员使用。拼音输入法也分两种，一种以词语为输入单位，另一种以语句为输入单位，而后者不符合写作的思维习惯，因为人们在写作时是以词为思考单位。键盘输入法在输入速度有要求的情况下对于键盘操作、指法要求比较高； 手写输入：手写输入是最容易上手的输入方法，但是同样由于手写输入的先天不足，很难达到较高的输入速度； 扫描输入：扫描输入对于硬件要求比较高，主要是适用于资料的整理； 语音输入：语音输入对输入人员的键盘操作能力、指法要求很低，几乎可以说你只要会说汉语，就可以进行语音输入。 语音输入尤其是汉字语音输入经历了很长时间的研究和应用，到目前已经达到了一个相
语音识别芯片所涉及的技术包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。 语音识别分类 按照使用者的限制而言，语音识别芯片可以分为特定人语音识别芯片和非特定人语音识别芯片。 特定人语音识别芯片是针对指定人的语音识别，其他人的话不识别，须先把使用者的语音参考样本存入当成比对的资料库，即特定人语音识别在使用前必须要进行语音训练，一般按照机器提示训练2遍语音词条即可使用。 非特定人语音识别是不用针对指定的人的识别技术，不分年龄、性别，只要说相同语言就可以，应用模式是在产品定型前按照确定的十几个语音交互词条，采集200人左右的声音样本，经过PC算法处理得到交互词条的语音模型和特征数据库，然后烧录到芯片上。应用这种芯片的机器(智能娃娃、电子宠物、儿童电脑)就具有交互功能了。 非特定人语音识别应用有的是基于音素的算法，这种模式下不需要采集很多人的声音样本就可以做交互识别，但是缺点是识别率不高，识别性能不稳定。 语音识别基本原理 嵌入式语音识别系统都采用了模式匹配的原理。录入的语音信号首先经过预处理，包括语音信号的采样、反混叠滤波、语音增强，接下来是特征提取，用以从语音信号波形中提取一组或几组能够描述语音信号特征的参数。特征提取之后的数据一般分为两个步骤，第一步是系统"学习"或"训练"阶段，这一阶段的任务是构建参考模式库，词表中每个词对应一个参考模式，它由这个词重复发音多遍，再经特征提取和某种训练中得到。第二是"识别"或"测试"阶段，按照一定的准则求取待测语音特征参数和语音信息与模式库中相应模板之间的失真测度，最匹配的就是识别结果。 语音识别四大平台 1、科大讯飞 科大讯飞股份有限公司成立于1999年，是一家专业从事智能语音及语言技术、人工智能技术研究，软件及芯片产品开发，语音信息服务及电子政务系统集成的国家级骨干软件企业。2008年，科大讯飞在深圳证券交易所挂牌上市，股票代码：002230。 11月23日科大讯飞轮值总裁胡郁在发布会上引述了罗永浩在9 月锤子发布会上的演示数据，表示科大讯飞的语音输入识别成功率也达到了97%，即使是离线识别准确率也达到了95%。 2、云知声 云知声成立于2012年6月。之前1年，Siri的发布再度唤醒了大家对语音识别的关注。经过四年多的积累，云知声的合作伙伴数量超过2万家，覆盖用户超过1.8亿，其中语音云平台覆盖城市超过470个，覆盖设备超过9000万台。 3、百度 百度则在11月22日宣布向开发者开放了情感合成、远场方案、唤醒二期和长语音方案等四项语音识别技术。百度语音开放平台自2013 年10 月上线以来每日在线语音识别请求已经达到了1.4 亿次，开发者数量超过14 万。在如此庞大的数据支撑下，百度语音在“安静条件下”的识别准确率达到了97%。4、搜狗 搜狗语音团队在11 月21 日推出了自己的语音实时翻译技术。搜狗的这项技术主要包括两个方面，分别是语音识别和机器翻译。根据该团队的介绍，搜狗语音识别的准确率达到了97%，支持最快400 字每秒的听写。 语音识别芯片原厂及芯片方案 1、ICRoute 总部：上海 简介：ICRoute专注于开拓语音识别的芯片市场,致力于研发出高性能的语音识别，语音处理芯片。为各种平台的电子产品提供VUI（Voice User Interface）语音人机交互界面。目前提供的语音识别芯片，可以在
基于单片机的语音识别系统毕业设计 目录 摘要..................................... 错误!未定义书签。Abstract ................................. 错误!未定义书签。目录..................................................... I 前言.. (1) 1 方案介绍及设计简介 (2) 1.1小车的控制要求及设计方案 (2) 1.1.1小车的控制要求 (2) 1.1.2方案设计与论证 (2) 1.2SPCE061A 简介 (3) 1.2.1SPCE061A单片机概述 (5) 1.2.2SPCE061A的介绍 (7) 1.2.3SPCE061A的结构 (7) 1.3SPCE061A 单片机强大的语音功能 (7) 1.3.1语音识别的原理 (8) 1.3.2系统的结构框图 (9) 1.4语音控制小车设计要求 (10) 1.4.1功能要求 (10) 1.4.2语音控制小车的主要功能 (10) 1.4.3参数说明 (10) 1.4.4注意事项 (10) 2电路设计及程序设计 (11) 2.1电路设计基础知识 (11) 2.2电路方框图及说明 (13) 2.3各部分电路设计 (13) 2.3.1电机的选择 (14)
2.3.2继电器驱动电路的设计 (14) 2.3.3行驶状态控制电路设计 (15) 2.3.4麦克录音输入及AGC电路 (16) 2.3.5语音播报电路 (18) 3软件设计 (19) 3.1软件流程图及设计思路说明 (19) 3.1.1程序设计 (20) 3.2模块设计 (20) 3.2.1中断流程图部分 (20) 3.2.2语音识别部分 (22) 4连接和操作说明 (25) 4.1硬件模块连接图 (25) 4.1.1功能说明 (25) 4.1.2代码下载 (26) 4.1.3训练小车 (27) 4.1.4声控小车 (28) 4.1.5重新训练 (28) 总结 (30) 致谢 (31) 参考文献 (32) 附件1 系统程序说明 (33)
1.语音识别概述 语音识别技术，Automatic Speech Recognition，简称ASR，是一种让机器听懂人类语言的技术。语言是人类进行信息交流的最主要、最长用、最直接的方式。语音识别技术是实现人机对话的一项重大突破，在国外近年来发展十分迅速，其应用也逐步得到推广。近几年逐渐普及的IVR（自动电话应答）处理了不少简单而又重复的咨询工作，节省了不少人力，但这种按键式的语音自动应答却让客户花费很多时间按指引来完成简单的查询，令用户倍感不便。 语音识别无疑可以解决该方面的问题。语音识别系统的开发成功，充分发挥了计算机技术和网络技术的优势，采用先进的人机对话方式，摆脱电话按键的束缚，人们只要象平常一样对着电话简单的说出所需服务项目，即可轻松获取自动系统提供的所需信息。 语音识别系统结构 2.语音识别应用 Nuance公司是自然语音接口软件的佼佼者。使用自然语音接口软件，人们可以通过电话方便安全地获取信息、服务并进行交易。每天，千千万万的人通过拨打运行Nuance公司语音识别、语言理解和声纹鉴别软件的电话，进行出游预订、股票交易、与其它通讯媒体、企业和互联网系统进行交往等活动。NUANCE的应用：美国航空、Bell Atlantic、Charles Schwab、家庭购物网络、Lloyds TSB、Sears、UPS。 3.NUANCE语音识别特点
（1）海量词汇、独立于讲话者的健壮识别功能 Nuance系统能可靠地对多种语言进行大词汇量的识别，并可提供识别结果的置信度。该系统对商业上使用的大量词汇提供最准确的语音识别技术。利用Nuance系统开发的应用程序，在市场上具有最高的准确率。生产中的应用程序经测试，准确性超过96%。 （2）基于主机的客户/服务机结构 Nuance系统基于开放式客户/服务机结构，特别为大型应用程序所需的健壮性和可伸缩性而设计。呼叫者的讲话由客户端收集，而识别和鉴别处理的负载被平均分配到网络上的多个分开的服务器上。 （3）N-Best处理 对于有些应用程序，可能需要识别引擎产生可能的识别结果集，而不是一个最好的结果。Nuance系统的N-best识别处理方法便有这个功能，它提供了可能的识别结果列表，并按可能性从高到低排列。 （4）语法概率 Nuance系统允许对呼叫者所讲的特定词语或短语的在语法中的概率进行指定。当被讲的词语或短语的概率可根据实际使用进行估计时，非常有用。对语法增加概率可提高识别的准确率和速度。 （5）降低噪音 当进来的呼叫包含稳定的背景噪音时，Nuance系统通过一种机制，使识别服务器更准确地进行识别。识别服务器将进来的话语进行增强，以有效地将语气、嗡嗡声、哼叫声、嘘嘘声等噪声过滤。如果相当数量的电话均含有稳定的背景噪声，比如在汽车上免提打电话时，这个机制效果较理想。 4.基于识别的应用 语音短信本身业务、公司电话簿、个人电话簿、智能点歌、股票查询和交易、智能信息点播、列车时刻查询 （1）基于语音识别的公司电话簿 公司电话薄应用描述 系统能支持多个接入号码，虚拟多个公司的总机。并依靠语音识别技术，智能转接到相应的用户。 流程 用户拨打接入码，系统根据接入码找到相应的公司数据库，同时提醒用户说出相应的用户，系统依据相应的用户查询数据库，并得到该用户的号码，并通知交换机将该号码接通。
山西大学研究生学位课程论文（2014 ---- 2015 学年第 2 学期） 学院（中心、所）：计算机与信息技术学院 专业名称：计算机应用技术 课程名称：自然语言处理技术 论文题目：语音识别综述 授课教师（职称）： 研究生姓名： 年级： 学号： 成绩： 评阅日期： 山西大学研究生学院 2015年 6 月2日
语音识别综述 摘要随着大数据、云时代的到来，我们正朝着智能化和自动化的信息社会迈进，作为人机交互的关键技术，语音识别在五十多年来不仅在学术领域有了很大的发展，在实际生活中也得到了越来越多的应用。本文主要介绍了语音识别技术的发展历程，国内外研究现状，具体阐述语音识别的概念，基本原理、方法，以及目前使用的关键技术HMM、神经网络等，具体实际应用，以及当前面临的困境与未来的研究趋势。 关键词语音识别；隐马尔科夫模型；神经网络；中文信息处理 1.引言 语言是人类相互交流最常用、有效的和方便的通信方式，自从计算机诞生以来，让计算机能听懂人类的语言一直是我们的梦想，随着大数据、云时代的到来，信息社会正朝着智能化和自动化推进，我们越来越迫切希望能够摆脱键盘等硬件的束缚，取而代之的是更加易用的、自然的、人性化的语音输入。语音识别是以语音为研究对象，通过对语音信号处理和模式识别让机器自动识别和理解人类口述的语言。 2.语音识别技术的发展历史及现状 2.1语音识别发展历史 语音识别的研究工作起源与上世纪50年代，当时AT&T Bell实验室实现了第一个可识别十个英文数字的语音识别系统——Audry系统。1959年，J.W.Rorgie和C.D.Forgie采用数字计算机识别英文元音及孤立字，开始了计算机语音识别的研究工作。 60年代，计算机应用推动了语音识别的发展。这时期的重要成果是提出了动态规划（DP）和线性预测分析技术（LP），其中后者较好的解决了语音信号产生模型的问题，对后来语音识别的发展产生了深远的影响。 70年代，LP技术得到了进一步的发展，动态时间归正技术（DTW）基本成熟，特别是矢量量化（VQ）和隐马尔科夫（HMM）理论的提出，并且实现了基于线性预测倒谱和DTW技术的特定人孤立语音识别系统。 80年代，实验室语音识别研究产生了巨大的突破，一方面各种连接词语音识别算法被开发，比如多级动态规划语音识别算法；另一方面语音识别算法从模板匹配技术转向基于统计模型技术，研究从微观转向宏观，从统计的角度来建立最佳的语音识别系统。隐马尔科夫模型（HMM）就是其典型代表，能够很好的描述语音信号的时变性和平稳性，使大词汇量连
语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。语音识别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高技术。语音识别是一门涉及面很广的交叉学科，它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。语音识别技术正逐步成为计算机信息处理技术中的关键技术，语音技术的应用已经成为一个具有竞争性的新兴高技术产业。 1语音识别的基本原理 语音识别系统本质上是一种模式识别系统，包括特征提取、模式匹配、参考模式库等三个基本单元，它的基本结构如下图所示： 未知语音经过话筒变换成电信号后加在识别系统的输入端，首先经过预处理，再根据人的语音特点建立语音模型，对输入的语音信号进行分析，并抽取所需的特征，在此基础上建立语音识别所需的模板。而计算机在识别过程中要根据语音识别的模型，将计算机中存放的语音模板与输入的语音信号的特征进行比较，根据一定的搜索和匹配策略，找出一系列最优的与输入语音匹配的模板。然后根据此模板的定义，通过查表就可以给出计算机的识别结果。显然，这种最优的结果与特征的选择、语音模型的好坏、模板是否准确都有直接的关系。2语音识别的方法 目前具有代表性的语音识别方法主要有动态时间规整技术（DTW）、隐马尔可夫模型（HMM）、矢量量化（VQ）、人工神经网络（ANN）、支持向量机（SVM）等方法。 动态时间规整算法（Dynamic Time Warping，DTW）是在非特定人语音识别中一种简单有效的方法，该算法基于动态规划的思想，解决了发音长短不一的模板匹配问题，是语音识别技术中出现较早、较常用的一种算法。在应用DTW算法进行语音识别时，就是将已经预处理和分帧过的语音测试信号和参考语音模板进行比较以获取他们之间的相似度，按照某种距离测度得出两模板间的相似程度并选择最佳路径。 隐马尔可夫模型（HMM）是语音信号处理中的一种统计模型，是由Markov链演变来的，所以它是基于参数模型的统计识别方法。由于其模式库是通过反复训练形成的与训练输出信号吻合概率最大的最佳模型参数而不是预先储存好的模式样本，且其识别过程中运用待识别语音序列与HMM参数之间的似然概率达到最大值所对应的最佳状态序列作为识别输出，因此是较理想的语音识别模型。 矢量量化（Vector Quantization）是一种重要的信号压缩方法。与HMM相比，矢量量化主要适用于小词汇量、孤立词的语音识别中。其过程是将若干个语音信号波形或特征参数的标量数据组成一个矢量在多维空间进行整体量化。把矢量空间分成若干个小区域，每个小区域寻找一个代表矢量，量化时落入小区域的矢量就用这个代表矢量代替。矢量量化器的设计就是从大量信号样本中训练出好的码书，从实际效果出发寻找到好的失真测度定义公式，设计出最佳的矢量量化系统，用最少的搜索和计算失真的运算量实现最大可能的平均信噪比。在实际的应用过程中，人们还研究了多种降低复杂度的方法，包括无记忆的矢量量化、有记忆的矢量量化和模糊矢量量化方法。 人工神经网络（ANN）是20世纪80年代末期提出的一种新的语音识别方法。其本质上是一
摘要 语音识别主要是让机器听懂人说的话，即在各种情况下，准确地识别出语音的内容，从而根据其信息执行人的各种意图。语音识别技术既是国际竞争的一项重要技术，也是每一个国家经济发展不可缺少的重要技术支撑。本文基于语音信号产生的数学模型，从时域、频域出发对语音信号进行分析，论述了语音识别的基本理论。在此基础上讨论了语音识别的五种算法：动态时间伸缩算法(Dynamic Time Warping，DTW)、基于规则的人工智能方法、人工神经网络(Artificial Neural Network，ANN)方法、隐马尔可夫(Hidden Markov Model，HMM)方法、HMM和ANN的混合模型。重点是从理论上研究隐马尔可夫(HMM)模型算法，对经典的HMM模型算法进行改进。 语音识别算法有多种实现方案，本文采取的方法是利用Matlab强大的数学运算能力，实现孤立语音信号的识别。Matlab 是一款功能强大的数学软件，它附带大量的信号处理工具箱为信号分析研究，特别是文中主要探讨的声波分析研究带来极大便利。本文应用隐马尔科夫模型(HMM) 为识别算法，采用MFCC(MEL频率倒谱系数)为主要语音特征参数，建立了一个汉语数字语音识别系统，其中包括语音信号的预处理、特征参数的提取、识别模板的训练、识别匹配算法；同时，提出利用Matlab图形用户界面开发环境设计语音识别系统界面，设计简单，使用方便，系统界面友好。经过统计，识别效果明显达到了预期目标。 关键词：语音识别算法；HMM模型；Matlab；GUI ABSTRACT Speech Recognition is designed to allow machines to understand what people say,and accurately identify the contents of voice to execute the intent of people.Speech recognition technology is not only an important internationally competed technology,but also an indispensable foundational technology for the national economic development.Based on the mathematical model from the speech signal,this paper analyze audio signal from the time
BMW中文声控系统 声控启动语音控制支持方言专车专用 宝马中文声控系统市场前景 在庞大的汽车销量的基础上，车载语音系统已成为现代汽车的重要亮点之一，但是由于技术的局限性，国内车载语音系统的发展始终比较缓慢，在国外广泛发展的车载语音控制系统在国内却处于技术空白阶段。现在，Qdis-isods让这种情况得到了根本性的改变。 qdis品牌联合众多院校精英，由多名各领域资深人士参与研发，根据中国市场特点以及中国用户使用习惯进行特殊定制，成功推出Qdis-isods系列产品，为广大车主提供车载语音控制的解决方案和专业服务。加载Qdis-isods车载语音系统后，用户用自己的声音即可完成相关操作，而不再只是使用传统的指定命令。 Qdis-isods系列产品支持中国多种方言，声音识别准确率高并支持多人识别，一举攻克了之前的技术难题，让车载语音系统全面进入中国市场。以前需要手动操作的控制，现在您和爱车直接对话就能实现，而且还能语音识别并控制后装增配的产品，满足客户多种智能语音操作的需求。随着车联网技术的发展，汽车的互联性会越来越强，我们可以把语音技术扩展到除终端和嵌入式系统以外的所有设备上，从而完成更复杂的识别控制任务。我们依然在不断创新实践，以谋求更多的成功案例。 Qdis-isods车载语音系统可以完美支持各类车型，金鼓德达将以一贯优秀的无损加装技术，让您在驾驶生活中发现更多乐趣。QDIS-ISODS系列，爱车从此智能！ 一、BMW中文声控系统主要功能 1.语音识别启动引擎 语音指令随时学习,支持所有方言,指令内容可以自由定义; 不影响原车启动键启动功能; 可以同时利用方向盘按键组合为密码启动; 语言指令和方向盘密码可以任意修改; 2.语音指令控制原车 语音指令随时学习,支持所有方言,指令内容可以自由定义;
机电信息工程学院专业综合课程设计 系：信息与通信工程 专业：通信工程 班级：081班 设计题目：基于matlab的语音识别系统 学生姓名： 指导教师： 完成日期：2011年12月27日
一．设计任务及要求 1.1设计任务 作为智能计算机研究的主导方向和人机语音通信的关键技术，语音识别技术一直受到各国科学界的广泛关注。以语音识别开发出的产品应用领域非常广泛，有声控电话交换、语音拨号系统、信息网络查询、家庭服务、宾馆服务、旅行社服务系统、订票系统、声控智能玩具、医疗服务、银行服务、股票查询服务、计算机控制、工业控制、语音通信系统、军事监听、信息检索、应急服务、翻译系统等，几乎深入到社会的每个行业、每个方面，其应用和经济社会效益前景非常广泛。本次任务设计一个简单的语音识别系。 1.2设计要求 要求：使用matlab软件编写语音识别程序 二．算法方案选择 2.1设计方案 语音识别属于模式识别范畴，它与人的认知过程一样，其过程分为训练和识别两个阶段。在训练阶段，语音识别系统对输入的语音信号进行学习。学习结束后，把学习内容组成语音模型库存储起来；在识别阶段，根据当前输入的待识别语音信号，在语音模型库中查找出相应的词义或语义。 语音识别系统与常规模式识别系统一样包括特征提取、模式匹配、模型库等3个基本单元，它的基本结构如图1所示。 图1 语音识别系统基本结构图 本次设计主要是基于HMM模型（隐马尔可夫模型）。这是在20世纪80年代引入语音识别领域的一种语音识别算法。该算法通过对大量语音数据进行数据统计，建立识别词条的统计模型，然后从待识别语音信号中提取特征，与这些模
型进行匹配，通过比较匹配分数以获得识别结果。通过大量的语音，就能够获得一个稳健的统计模型，能够适应实际语音中的各种突发情况。并且，HMM算法具有良好的识别性能和抗噪性能。 2.2方案框图 图2 HMM语音识别系统 2.3隐马尔可夫模型 HMM过程是一个双重随机过程：一重用于描述非平稳信号的短时平稳段的统计特征（信号的瞬态特征）；另一重随机过程描述了每个短时平稳段如何转变到下一个短时平稳段，即短时统计特征的动态特性（隐含在观察序列中）。人的言语过程本质上也是一个双重随机过程，语音信号本身是一个可观测的时变列。可见，HMM合理地模仿了这一过程，是一种较为理想的语音信号模型。其初始状态概率向量π，状态转移概率矩阵向量A，以及概率输出向量B一起构成了HMM的3个特征参量。HMM 模型通常表示成λ={π，A，B}。 2.4HMM模型的三个基本问题 HMM模型的核心问题就是解决以下三个基本问题： (1)识别问题：在给定的观测序列O和模型λ=（A,B,π）的条件下，如何有效地计算λ产生观测序列O的条件概率P(O︱λ)最大。常用的算法是前后向算法，它可以使其计算量降低到N2T次运算。 (2)最佳状态链的确定：如何选择一个最佳状态序列Q=q1q2…qT，来解释观察序列O。常用的算法是Viterbi算法。 (3)模型参数优化问题：如何调整模型参数λ=(A,B,π)，使P(O︱λ)最大：这是三个问题中最难的一个，因为没有解析法可用来求解最大似然模型，所以只能使用迭代法(如Baum-Welch)或使用最佳梯度法。 第一个问题是评估问题，即已知模型λ=(A,B,π)和一个观测序列O，如何计算由该模型λ产生出该观测序列O的概率，问题1的求解能够选择出与给定的观测序列最匹配的HMM模型。 第二个问题力图揭露模型中隐藏着的部分，即找出“正确的”状态序列，这是一个典型的估计问题。
基于单片机的语音识别系统
摘要 近几年来，智能化和自动化技术在玩具制造领域中越来越被关注。本文介绍一种智能化小车控制系统的设计——语音控制小车。语音控制小车是基于SPCE061A的代表性兴趣产品，它配合61板推出，综合应用了SPCE061A的众多资源，小车采用语音识别技术，可通过语音命令对其行驶状态进行控制。首先介绍了SPCE061A的主要性能及其引脚的功能；接着完成了电源电路、复位电路、键盘电路、音频输入电路，音频输出电路和无线控制电路等硬件功能模块的设计。软件设计模块能实现智能小车的前进、后退、转向、停止、避障、表演动作以及循线等功能。测试表明，在环境背景噪音不太大，控制者的发音清晰的前提下，语音控制小车的语音识别系统能对特定的语音指令做出智能反应，做出预想中的有限的动作 关键词：spec061a 语音识别驱动电路声控小车智能反应
Abstract In recent years, Intelligent and automation technology in the toy manufacture paid more and more attention.Introduce an intelligent vehicle control system design. SPCE061A program the system to single-chip, based on implementation of the car's voice control, This paper introduces the and implementation. The SPCE061A's main characters and pin function are introduced firstly. Completed the power circuit, reset circuit, keyboard circuitry, audio input circuits, audio output circuit and control circuit of wireless of function modules. Software design module can achieve smart car forward, backward, turn, stop, obstacle avoidance, performing actions, as well as on-line functions. Test showed that the background noise in the environment is not too great, control persons under the premise of clear pronunciation, voice control car speech recognition systems for specific voice commands to make intelligent reaction, limited to the desired action. Keywords: spec061a 、voice recogniton、Driving circuit、Voice control dolly、intelirent response
第六届全国人机语音通讯学术会议，267-271页，2001年11月20-22日，深圳 汉语连续语音识别中声学模型基元比较汉语连续语音识别中声学模型基元比较：： 音节音节、、音素音素、、声韵母 李净，徐明星，张继勇，郑方，吴文虎，方棣棠 语音技术中心，智能技术与系统国家重点实验室， 清华大学计算机科学与技术系, 北京, 100084 [lijing, xumx, zjy, fzheng, wuwh]@https://www.doczj.com/doc/2f16568418.html,, fangdt@https://www.doczj.com/doc/2f16568418.html, https://www.doczj.com/doc/2f16568418.html, 摘要 本文研究的是汉语连续语音识别中声学模型基元的选 择问题。根据汉语语音的特点，本文分别采用音节、 音素和声韵母等三种语音识别基元进行声学建模。为 了描述连续语音中的协同发音现象，本文针对音素和 声韵基元，设计了相应的问题集，利用基于决策树的 状态共享策略建立了上下文相关音素模型 （Triphone ）和上下文相关声韵模型（TriIF ），并对 几种声学基元进行了对比。实验结果表明，对于上下 文无关模型，音素和声韵模型都要劣于音节模型，而 对于上下文相关模型，Triphone 和TriIF 模型与音节 模型相比，识别性能有了很大提高，其音节误识率分 别降低了8.5%和23.6%。 1. 引言 声学建模是连续语音识别中声学层面处理的关键步骤。声学模型用来描述识别基元对应的特征矢量序列的产生过程。通过声学建模，可以估计待识别特征矢量序列所对应的语音识别基元，从而完成特征矢量序列到语音识别基元的识别转换。 基元的选择是声学建模中一个基本而重要的问题。在汉语连续语音识别中，可以选择的基元包括：词（Word ）、音节（Syllable ）、半音节（Semi-Syllable ）、声韵母（Initial/Final ）、音素（Phone ）等。识别基元的选择一般是基于语音学知识的，但是，基元也可以通过数据驱动的方式来产生，使用这种方式确定的基元可能在语音学上没有什么明确的意义，但也可以达到很好的性能。 对于词，在小词表语音识别系统中，或者命令与控制（Command & Control ）系统中，使用词作为识别基元是适当的。但是，在连续语音识别中将词作为识别基元是不合适的。首先，在连续语音识别系统中，词条的数目比较多，一般都要使用几千或者几万 条词条，所以声学模型的规模必然很大。这不但会增 加存储的开销，还会极大地增加搜索的复杂度。其 次，当词表以外的词条，即OOV （Out Of Vocabulary ）问题出现时，声学模型处理起来比较困 难。第三，要对这么多基元进行训练，必然需要一个 很大的数据库，并且要尽量覆盖词表中的词条，这一 点是很难达到的。所以，在汉语连续语音识别系统 中，采用类似于词这样较长的语音段作为识别基元是 不合适的。 对于音节，在汉语中，无调音节约有400个，如果考虑音调，有1300多个有调音节[1]。在进行上下文无关的声学建模时，使用有调或者无调音节是可以的，而且还可以取得相当好的性能，因为音节作为识别基元时，它很好地刻划了音节内部的变化。但是，在连续语音识别中，音节间的协同发音现象是比较严重的，因此，必须采用适当的方式来描述这种现象。一般地，上下文相关信息应在声学建模中加以考虑，这样，识别基元就会变成上下文相关的基元。如果采用音节作为识别基元，当考虑上下文信息时，基元数目会变得非常庞大，这将会使声学模型的规模变得无法接受。同时，由于基元数目过大，也会引起训练数据稀疏的问题，从而难以对模型参数给出较为准确的估计。所以，在进行上下文相关建模时，不适宜采用 音节模型。 音素在汉语中有三十多个（本文中定义的音素数目为35个）。音素基元在英语连续语音识别系统中得到了广泛的应用，并取得了很好的识别性能[2][3]。由此可见，音素也是一个很好的选择。但音 素并没有反映出汉语语音的特点，而且，相对于声韵母，音素显得更加不稳定，这一方面给手工标注带来了困难，同时，也给声学描述带来困难。 对于半音节和声韵母，它们在形式和数量上十分接近。半音节就是将音节分为两部分，而声韵母的划分更依赖于汉语语音学的知识。可以说，声韵母基元是适合汉语特点的一种识别基元，使用这种基元，还可以有很多语言学知识可以利用，从而进一步提高声 学模型的性能。声韵母作为识别基元具有以下优点： ? 汉语中的汉字是单音节的，而汉语中的音节是声韵结构的，这种独特而规则的结构，使对音节、以及词条的表示变得比较规则和统一； ? 使用声韵母作为识别基元，上下文相关信息也变得比较确定。比如，与声母相接的只能是韵母或者静音，而与韵母相接的也只能是声母或静音，而且，韵母左边相接的声母只能是与其搭配起来能够成汉语音节的那些声母。所以，上下文相关的声韵母基元的数目并不是基元数目的立方，而是远远小于这个数值的。
基于单片机的语音识别智能家居控制系统设计 摘要：“智能家居”主要通过利用先进的单片机技术，蓝牙识别技术和语音识别技术，将家用电器，如电灯，电视，冰箱等联系起来，通过语音来控制各个家用电器设备，是人们的生活更加方便，安全和健康。 关键词：智能家居；单片机；语音识别 传统的家电控制方式主要有开关按键和红外遥控两种。这两种必须需要人去直接触碰，有着极大的安全隐患，而且控制距离短，不能够穿墙控制。我们在日常生活中经常遇到以下情况，躺在床上看书或看电视时，卧室电灯不能方便地控制，还要起来去关掉电灯。类似这种不方便的情况在家庭生活中多有出现。尤其是对于老年人、残疾人来说，家电控制更为不易。因此我设计了一种基于单片机的智能家居语音控制系统，采用了语音指令控制家用电器的开启或关闭，从而使现代家居生活更轻松、更便捷、更安全。 1 系统介绍 系统主要分为以下几个部分：由语音识别模块、51单片机、蓝牙发送模块组成语音遥控；由蓝牙接收模块、主控器、接口电路组成家电语音控制平台。 2 硬件电路 整个系统的硬件电路主要包括核心主控制和语音识别两个部分主控制部分为STC公司STC12LE5A60S2单片机，语音识别部分为LD3320语音识别芯片系统，用户发出声音控制指令时，语音识别部分把指令传送给主控制器，主控制器处理后，发出命令控制外围的家用电器设备。 3 非特定人语音识别模块设计
LD3320主要组成有高精度的语音识别处理器和一些外部电路，包括声音输出接口和麦克风接口。可以真正实现语音识别，声音控制和人际对话的各项功能，另外还有完整的非特征人语音识别特征库和高效的人语言识别搜索引擎模块。 （1）语音识别分三个步骤：频谱分析、特征提取、匹配识别。LD3320已把各部分硬件集成在单芯片上，我们主要对LD3320进行二次开发。 （2）LD3320芯片采用并行方式直接与单片机相接，具有识别率高，识别速度快，多接口，多支持等优点，可以连续快速识别多种语言。 （3）设计步骤：确定寄存器读写操作方式（并行或串行SPI），熟悉寄存器的功能，确定所需寄存器的地址，编写驱动程序（初始化→写入识别列表→开始识别→响應中断）。 4 单片机控制器 51单片机的显著特征是采用超低功耗架构，可显著延长电池使用寿命；在本设计中，单片机的P0口接LD3320的8个数据口，P3口连接RDB、WRB、CSB、RSTB等控制引脚；SIMO0、SOMI0口连接射频模块的SPI数据口；在主控器上还接有一个扬声器，作为信息反馈装置；51单片机系列单片机针对C语言与汇编程序精心优化，我们可以通过简单的C 语言编程对其行控制。 5 无线信息传输——蓝牙通信 利用HC05蓝牙发射/接收模块完成“操作指令”的发送和接收。 为了实现对家电电器的控制，我们采用LED灯和继电器模拟实物电灯或者家电，通过语音识别去控制家电的开关，为了提高系统的识别率，本系统采用两级指令完成对系统的控制。向LD模块添加关键词时，通过编辑程序定义二维数组设定一级语音指令为“小黑”，二级语音指令为“开灯”、“关灯”，设定指令时，添加拼音的输入方式作为关键词数组，例如添加“小黑”命令，则写入“xiaohei”，汉字间的拼音用空格隔开。实现功能为接收语音
仪器科学与电气工程学院 本科毕业论文（设计）开题报告题目：用于智能家居的语音识别系统设计 学生姓名：学号： 专业：电气工程及其自动化 指导教师：讲师 2015年1月3日
1. 选题依据 1.1选题背景 语言作为人类信息交流中最重要的和最方便的方式,人与机器的交流能否像人与人一样自如,是人们研究的问题。控制论创始人维纳在1950年就曾指出:“通常,我们把语言仅仅看作人与人之间的通信手段,但是,要使人向机器,机器向人以及机器向机器讲话,那也是完全办得到的”。 随着现代科学技术的进一步发展和人民生活水平不断的提高,人们对家庭住宅需求的概念也发生了彻底的改变。人们正在从以往追求房屋空间的宽阔和装饰的亮丽、豪华,向着追求品味、安全、舒适、便捷和智能方向发展。现在的家庭不仅要满足人们生活、工作、娱乐和交流的需要,同时还可以提供充分的安全防护、物业管理等手段。智能家居是建筑艺术、生活理念与信息技术、电子技术等现代高科技手段完美结合的产物,它的出现满足了人们对住宅高性能、智能化的要求21世纪信息时代的到来,IT产业的发展和人们生活水平的提高,“智能家居”、“家庭自动化”、“网络家电”、“家庭网络”等技术的推动,智能家居的生活已经近在咫尺。 在智能家居中传统的家用电器的控制,无外乎两种控制方式:手动或遥控。随着家用电器的增多,开关和遥控越来越多,使用极不方便。这时,我们可以釆用语音识别的方式控制,例如,在观看电视频道时,我们可以很方便地直接说出“中央一套”来,所以语音识别及控制在智能家居中尤其重要。 1.2国内外研究现况 1、语音识别技术的发展 就技术而言，目前国内外对语音识别理论及各种实用算法的研究是一热点。人们普遍关心的问题是不断提高语音识别的识别率、识别更多的词汇量、扩大语音识别的应用等研究。语音识别技术发展到今天，PC 机的语音识别系统己经趋于成熟，而且还出现了一些具有实用价值和市场语音识别前景的语音识别芯片。近几年来，个人消费类电子产品的广泛使用，使大量的识别系统从实验室 PC 平台转移到嵌入式平台设备中，现在嵌入式对特定人语音识别系统的识别精度己经达到 98%以上。嵌入式语音识别系统和 PC 机的语音识别系统相比，虽然其运算速度和内存容量有一些限制，但是它也有各自的特点。嵌入式系统体积小、可靠性高、耗电低、投入小、便于移动等优点，是嵌入式语音识别系统和 PC 机的语音识别系统相比的最大优势。而且嵌入式语音识别系统多为实时系统，当用户讲话后，系统能够立即完成词条识别并作出反应。这些特点决定了嵌入式语音识别系统的应用十分广泛。可以预测在近几年内，嵌入式语音识别系统的应用将更加广泛。各种语音识别系统将出现在市场上。根据美国专家预测，具有语音识别功能的产品可达 50 亿美元。在短期内还不可能具
语音识别的研究现状和应用前景 语音识别技术并不是一夜之间冒出来的神话,早在三四十年前,在美国的一些大学和研究单位，就已经有人开始从事这一方向的研究，并有一些相关论文发表；七十年代前后，研究的脉络日渐清晰，于是贝尔实验室和国际商用机器公司(I BM)等都先后建立了专门的研究机构。今天这两家公司在这一领域都已取得了显著的成果，并且在商业上应用成功,但贝尔实验室主要是偏重于电信方面应用的语音识别系统，如电话查询等；而I BM则偏重于商务应用，因而在连续语音识别上取得了不小的成功。 不谈商业方面的应用，事实上，很多家公司都提供语音识别的引擎 (En gi ne)，并且都表示能支持微软的SA PI。看一看 SA PI4.0 SU ITE 就不难发现，微软在这方面的研究并不逊于任何一家公司，只是很奇怪它居然没有将成果商业化。微软同时提供了一系列引擎，如 Spee ch R e cog ni ti on ( 语音识别)、C omm and & C ont rol( 发布指令并控制)、Ph one Qu ery ( 电话语音识别)、T ext to spee ch( 文本语音转换) 等。 今天，许多用户已经能享受到语音技术的优势了，可以对计算机发送命令，或者要求计算机记录下用户所说的话，以及将文本转换成声音朗读出来。尽管如此，距离真正的人机自由交流的前景似乎还远。目前，计算机还需要对用户作大量训练才能识别用户的语音。并且，识别率也并不总是尽如人意。换言之，语音识别技术还有一段路需要走，要做到真正成功的商业化，它还必须在很多方面取得突破性进展，这实际就是其技术的未来走向。 就算法模型方面而言，需要有进一步的突破。 目前能看出它的一些明显不足，尤其在中文语音识别方面，语言模型还有待完善，因为语言模型和声学模型正是听写识别的基础，这方面没有突破，语音识别的进展就只能是一句空话。目前使用的语言模型只是一种概率模型，还没有用到以语言学为基础的文法模型，而要使计算机确实理解人类的语言，就必须在这一点上取得进展，这是一个相当艰苦的工作。此外，随着硬件资源的不断发展，一些核心算法如特征提取、搜索算法或者自适应算法将有可能进一步改进。可以相信，半导体和软件技术的共同进步将为语音识别技术的基础性工作带来福音。 就自适应方面而言，语音识别技术也有待进一步改进。 目前，象IB M 的V i aV oi ce 和A si a works 的 SPK都需要用户在使用前进行几百句话的训练，以让计算机适应你的声音特征。这必然限制了语音识别技术的进一步应用，大量的训练不仅让用户感到厌烦，而且加大了系统的负担。并且，不能指望将来的消费电子应用产品也针对单个消费者进行训练。因此，必须在自适应方面有进一步的提高，做到不受特定人、口音或者方言的影响，这实际上也意味着对语言模型的进一步改进。现实世界的用户类型是多种多样的，就声音特征来讲有男音、女音和童音的区别，此外，许多人的发音离标准发音差距甚远，这就涉及到对口音或方言的处理。如果语音识别能做到自动适应大多数人的声线特征，那可能比提高一二个百分点识别率更重要。事实上，V i aV oi ce 的应用前景也因为这一点打了折扣，只有普通话说得很好的用户才可以在其中文版连续语音识别方面取得相对满意的成绩。
易诚高科-智能语音自动化测试解决方案 ——提高智能语音产品质量，降低人为误差、提升测试管理水平 随着社会信息化的加快，智能产品的语音测试与问题定位需求剧增。为了提升测试效率，降低测试人员人为操作误差，最佳测试方式就是采用自动化测试。但由于智能产品的产品形态、语音反应、智能化操作等方面形式不尽相同，在自动化测试的前提下，问题的定位和状态断言的准确性就成为了一个新的挑战。 作为AIoT场景仿真服务商，易诚高科专注于为AIoT行业提供基于场景仿真的产品研发、测试、验收以及预认证等软硬结合的全栈式解决方案。在拥有1200+Lab仿真场景、2000+室外场景、1000万行业场景数据基础上，易诚高科充分理解智能语音产品自动化测试痛点和需求。依托人工智能和数字孪生技术，从应用、架构和用户体验三个维度出发，易诚高科推出了智能语音产品自动化测试解决方案及智能语音慧测仪Mario，帮助企业提高智能语音产品质量，降低人为误差、提升测试管理水平。 1.解决方案-慧测仪Mario的功能 整体架构由下而上依次分为多模态组件及算法、主控设备的各项管理模块、测试任务创建及管理、数据汇总及报告管理。产品在基础数据分析和整理的基础上，适用于各种智能语音产品的真实用户场景，将自动化、自由化与真实用户场景整合为一个统一的整体, 实现测试效率提升、测试数据准确、测试场景真实的三维综合效果。
图1Mario功能界面 如上图Mario的主要功能包含新增测试任务、测试报告记录、设备管理、产品管理、评级管理以及系统管理。其中 ●新增任务模块 分为自定义任务和场景任务两类，其中自定义任务分为唤醒任务、误唤醒任务、识别任务和链路任务，链路任务又分为语音交互和触控交互；场景任务分为场景任务管理和场景任务测试。每类新增任务的数据参数依据各自测试任务需求调整。 ●测试报告记录模块 记录报告模块是对所有测试结束的任务报告进行处理的管理模块，在该模块中，测试报告可实现详情查看、报告导出、按照之前报告的参数配置重复测试、删除等系列操作。 ●设备管理模块 设备管理模块是测试用多模态组件的管理模块，包含信息包含对多模态组件名称的自定义、电量展示、MAC地址信息、在线状态、设备类型、所关联的被测产品以及所属的测试空间信息，功能主要对多模态组件的增、删、查。 ●产品管理模块 产品管理为对被测试产品的管理，相关信息包含被测产品的品牌名称、功能分类、设备类型、产品名称及型号，以及对被测产品的增、删、改、查。