文字识别，语音输入全场景应用解析，让你的职场办公效率狂飙
PS学习社 2019-02-28 18:18:11
我们平常在办公的时候，进行文字录入是在所难免的，甚至有时候为了把一些文档做成电脑上的文字版，甚至在哪里拼命的打字输入，一弄就是几个小时，其实对于现在来说，对于大量的文字还使用键盘手打，已经是一种非常落后的方式了，费力还浪费时间。在工作中，时间就是金钱啊！而且对于同一件事，别人用更长的时间，而你能够用短时间轻松搞定，那么你就可以在更短的时间创造更大的价值。领导也会更加的看重你，升值加薪也不是遥不可及。
我将用一篇长文来自己讲讲如何快速的进行文字输入，方法和工具的使用，相信读完之后一定可以对你的工作学习有所收获。
场景一：打印好的文档需要快速做出电子版文件
我们有时候会遇到这样的情况，老板不知道从哪里拿出来一叠文件，说里面有东西需要改，要做成电子版，这个时候应该怎么办呢？按部就班的一句句的话去打印？当然不是，哪太OUT了！
我们可以用手机把要做成文档的内容全部用手机拍成照片，然后用白描进行批量识别，最后直接导出电子版的文件，别人用一上午的时间才能完成的工作量，而你呢？10分钟！
这里我们使用的工具是白描，
首先，选中你要进行批量识别的图片
然后识别出文字结果，导出为doc格式，然后用常用的办公软件，微软office 或者WPS再进行编辑下，调整下格式，就搞定了。
场景二：对于扫描的PDF识别为可编辑的Word文件
这种场景可以使用ABBYY 泰比光学，这是一款俄罗斯公司出品的一款文档识别软件，在OCR识别方面，在全世界是非常有名气的。其实在网上也有很多在线识别PDF的工具，这里我不建议大家使用在线工具，出于安全考虑，毕竟很多大家扫描的都是一些比较重要的文档，而在线的文字识别工具很多都需要把文件上传到服务器进行识别，我们无法判断识别之后服务器是否会备份文件，所以我们尽量使用本地的文字识别工具。除了泰比光学外，还有福昕风腾，万兴PDFelement都可以进行PDF的文字识别。
使用也非常的简单，把要识别的内容导入到ABBYY FineReader。然后对某一页的内容内容进行读取，如果你要处理的是全文的内容，也可以对全文的内容进行读取，不过需要等的时间就比较长一点了。对于几百页的PDF可能等上好长时间，而识别速度和计算机的硬件配置有关，配置越差的电脑所需要识别的时间越长。
在左边的窗口是识别界面，右边的窗口是识别的结果，可以左右进行比对，对于错别字或者需要修改的内容可以在右边的窗口进行修改，修改之后，检查无误的情况下就可以到处为常见的办公软件格式了。
再来普及一下另一个问题，在使用同类软件，比如福昕风腾的时候，文字识别选项中会出现这样的两个选项：
可搜索的PDF和可编辑的PDF
这两个PDF有什么区别呢？可编辑的PDF是可以进行各种处理的PDF文档，比如修改排版，增删文字。而可搜索的文字是只进行文字识别，在使用阅读器的搜索功能时能够搜索到内容，但是原来的排版状态是保持不变的。前一种在识别结果中经常出现一些乱码，后者则不会改变格式但是也只能进行搜索查询使用，无法编辑。
场景三：会议、讲座语音内容转成文字稿
开会的时候想把会议或者讲座的内容做成文字稿，如果录音下来慢慢的输入，肯定是很慢的，除了专业做速录的，很难有人能够做到打字速度跟得上说话速度。这个时候就需要借助一些工具。比如讯飞语记，搜狗听写。
讯飞语记可以当做笔记本或者便签使用，同时他最强大的功能就是可以把录音内容快速转换为文字，毕竟讯飞在语音识别领域确实在国内无人能敌，识别准确率很高，就算是中间出现了部分错别字，修改几个字和手打一整场会议讲稿来说，要轻松的多。
场景四：手写内容录入电脑做成文档
方法一：文字识别
对于手写内容做成文档则有点难度，这得看自己的字迹了，如果字迹工整，容易识别，使用前面说的白描就可以，不过相对于打印的字体，手写体更容易出现错别字，特别是如果有些人写字连笔较多，或者自己比较草那么就更难识别了。对于这种情况可以使用方法二。
方法二：使用语音输入
手机进行输入可以使用语音输入法，讯飞输入法和百度输入法对于语音识别的准确度都挺好，如果是电脑输入的话，可以使用讯飞输入法的PC版本，电脑端的讯飞输入法还属于测试版，打字效果不如搜狗，不过在语音识别上则强得多，而且可以连续语音输入，把稿子念一遍，文字基本上就录入的差不多了，最后再修改排版下
场景五：打印的表格内容转换成可编辑Excel表格
其实在工作中非常难搞的是电子表格的录入，如果是成篇文字还好，使用语音输入或者文字识别，但是电子表格都是一项一项的，使用语音的准确度也不太高。对于能够对表格进行识别并生成excel文件的，这类的软件并不多。
手机上识别表格，这里我们使用白描
首先我们在识别界面选择表格识别。
点击右下角的OCR图标就可以集成女性识别了，在识别之后会自动生成，excel 文件并且可以导出，虽然由于表格本身的原因可以不能把每个单元格做的都很完美，但是这样就可以节省大量的时间了，比一项一项的敲进去不知道快乐多少倍了。只需要在识别之后稍微合并调整下单元格就行了。
电脑上识别表格，可以使用天若OCR。
天若OCR是一款电脑上文字识别的小软件，支持的文字识别接口也听到，支持调用百度，搜狗的文字识别引擎，使用起来很方便。
场景六：图片，打印文档中一段话快速识别成文字
对于这种情况下能够实现的软件就很多了，百度文库，有道云笔记，讯飞输入法都可以识别一张图上的文字，识别之后直接就可以复制粘贴了，非常的方便。
如果是在电脑上使用的话，可以使用场景五中所说的天若OCR。
按住F4可以选择识别的内容
框选之后就可以进行文字识别了，识别之后会弹出如下的窗口，可以进行简单的排版，也可以复制为纯文本格式，如果你在word或者其他软件中需要使用这段话，直接复制过去就行了非常的方便。
以上几种场景基本可以解决在工作中各种文档录入问题，如果能够应用到工作生活中，一定可以大大的提高效率。
作者的其他文章：
Markdown | 最具有效率的写作工具一次性掌握不要被效率工具绑架！使用不好反而使效率变低
语音识别流程分析
摘要：语言识别是将人类自然语言的声音信号，通过计算机自动转换为与之相对应的文字符号的一门新兴技术，属于模式识别的一个分支。语音识别的结果可以通过屏幕显示出文字符号，也可以存储在文本文件中。语音识别技术能够把语音信息直接转换成文字信息，对于中文信息处理来说，无疑是一个最理想、最自然的汉字输入方式。本文首先分析了语音识别的原理，在此基础上进行语音识别的流程分析，主要内容有：提取语音、端点检测、特征值提取、训练数据、语音识别。选用HMM隐马尔科夫模型，基于VC2005编译环境下的的多线程编程，实现算法的并行运算，提升了语音识别的效率。实验结果表明：所设计的程序满足语音识别系统的基本要求。 关键词：语音识别预处理Mel倒谱系数HMM隐马尔科夫模式OpenMP编程 前言 语音识别是解决机器“听懂”人类语言的一项技术。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。如今，随着语音识别技术研究的突破，其对计算机发展和社会生活的重要性日益凸现出来。以语音识别技术开发出的产品应用领域非常广泛，如声控电话交换、信息网络查询、家庭服务、宾馆服务、医疗服务、银行服务、工业控制、语音通信系统等，几乎深入到社会的每个行业和每个方面。 广泛意义上的语音识别按照任务的不同可以分为4个方向：说话人识别、关键词检出、语言辨识和语音识别。说话人识别技术是以话
音对说话人进行区别，从而进行身份鉴别和认证的技术。关键词检出技术应用于一些具有特定要求的场合，只关注那些包含特定词的句子。语言辨识技术是通过分析处理一个语音片断以判别其所属语言种类的技术，本质上也是语音识别技术的一个方面。语音识别就是通常人们所说的以说话的内容作为识别对象的技术，它是4个方面中最重要和研究最广泛的一个方向，也是本文讨论的主要内容。 语音识别技术，也被称为自动语音Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列[1]。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。 语音识别技术的应用包括语音拨号、语音导航、室内设备控制、语音文档检索、简单的听写数据录入等。语音识别技术与其他自然语言处理技术如机器翻译及语音合成技术相结合，可以构建出更加复杂的应用，例如语音到语音的翻译。 语音识别技术所涉及的领域包括：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。 一、语音识别的原理 语音识别的基本原理是一个模式匹配的过程：先建立一个标准的模式存放在计算机中，然后把输入的语言信息进行分析处理，采集相关的信息建立目标语音模式，再将目标语音模式与机内标准模式相匹配，找到最近的模式最为识别结果输出。语音识别本质上是一种模式
中国中文信息学会第七次全国会员代表大会 暨学会成立30周年学术会议 语音识别发展现状与展望中科院自动化研究所徐波 2011年12月4日
报告提纲 ?语音识别技术现状及态势?语音识别技术的行业应用?语音识别技术研究方向?结论与展望
2010年始语音识别重新成为产业热点?移动互联网的兴起成为ASR最重要的应用环境。在Google引领下，互联网、通信公司纷纷把语音识别作为重要研究方向 –Android系统内嵌语音识别技术，Google语音 翻译等； –iPhone4S 上的Siri软件； –百度、腾讯、盛大、华为等都进军语音识别领 域； –我国语音技术领军企业讯飞2010年推出语音云识别、讯飞口讯 –已有的QQ2011版语音输入等等
成熟度分析-技术成熟度曲线 ?美国市场调查咨询公司Gartner于2011年7月发布《2011新兴技术成熟度曲线》报告：
成熟度分析-新兴技术优先矩阵?Gartner评出了2011年具有变革作用的技术，包括语音识别、语音翻译、自然语言问答等。其中语音翻译和自然语言问答有望在5-10年内获得大幅利用，而语音识别有望在2-5年内获得大幅利用；
三十年语音识别技术发展 ---特征提取与知识方面?MFCC，PLP，CMS，RASTA，VTLN；?HLDA, fMPE，neural net-based features ?前端优化 –融入更多特征信息(MLP、TrapNN、Bottle Neck Features等） ?特征很大特点有些是跟模型的训练算法相匹配?大规模FSN图表示，把各种知识源集中在一起–bigram vs. 4-gram, within word dependencies vs. cross-word
目前主流的语音识别技术是基于统计模式识别的基本理论。一个完整的语音识别系统可大致分为三部分： （1）语音特征提取： （2）声学模型与模式匹配（识别算法） （3）语义理解：计算机对识别结果进行语法、语义分析。 语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)， 语音识别的发展简史 1952年AT& T Bell实验室实现了一个单一发音人孤立发音的十个英文数字的语音识别系统，到现在的人机语音交互。语音识别研究从二十世纪50年代开始到现在历半个多世纪的蓬勃发展，在这期间获得了巨大的进展。 现代语音识别技术研究重点包括即兴口语的识别和理解，自然口语对话，以及多语种的语音同声翻译。 语音识别应用的特点 1.语音识别系统必须覆盖的功能包括： （1）语音识别系统要对用户有益（希望它是能检测到的）。例如提高生产率，容易使用，更好的人机界面，或更自然的信息交流模式。 （2）语音识别系统要对用户“友好”。这种“友好”的含义是：用户在和系统进行语音对话时感到舒适；系统的语音提示既有帮助，又很亲近。 （3）语音识别系统必须有足够的精度 （4）语音识别系统要有实时处理能力；例如系统对用户询问的响应时间要很短。 2. 语音识别错误的处理 有以下四种方式可以处理这个问题。 （1）错误弱化法。这种处理仅仅花费用户很少一点时间，对用户几乎没什么其它不利影响。 （2）错误自检纠正法 系统利用已知任务的限制自动地检测并纠正错误。 （3）确认或多层次判定
（4）拒绝/转向人工座席。系统对其中通常较易导致系统识别错误的极少部分语音指令拒绝做出识别决定，而是将其转给人工座席。 在很多情况下，语音识别技术可以充分发挥出RFID的潜能： 1.积压产品、脱销产品 2.被废弃、被召回或已过期产品 3.回收的商品 4.促销产品 RFID系统在利用原有语音导向投资的情况下可以大大增加收益 语音识别技术在邮件分拣中的应用 现代化分拣设备在邮政上的应用大大提高了邮件处理的效率。但是，并不是所有的邮件都能上分拣机处理，那些需要人工处理的邮件成了邮政企业实现自动化的瓶颈。邮政使用人工标码技术以及先进的计算机软件 系统来处理不能上机的邮件，仍需要大量的劳动力。 由MailCode公司开发并准备申请专利的Spell-ItTM软件技术通过提高系统数据库能力的方式对语音识别自动化设备进行了革命性的变革。这种技术提供了无限的数据库能力，并且保证分拣速度不会因数据库的增大而减小。由各大语音引擎公司开发的系统还支持世界上的各种主要语言，这样，语音技术就成为世界性的产品。 以英语语音识别系统为例，系统建立了36个可识别字符26个字母加上0～9的10个数字，同时还建立了一套关键词。Spell-It软件使用这些字符来识别成千上万的口语词汇和无数的词语组合。 对于大公司的邮件收发中心来说，使用MailCode公司的Spell-It软件技术，分拣员实际上只需发出几个字符的音来找到和数据库中相对应的词。例如：碰到了寄给Joseph Schneider的邮件，操作员只需发出“J”、“S”、“C”和“H”几个音就可以得到准确的分拣信息。 姓名和邮箱编码：Jennifer Schroeder, 软件工程部；Joseph Schneider, 技术操作部；Josh Schriver, 技术操作部，因为这三个姓名全都符合（J,S,C,H）的发音标准。邮件中心的操作员知道邮件实际上是寄给Joseph Schneider的，就可以把邮件投入Joseph Schneide的信箱了。 邮局要把邮件按投递路线分发，分拣员必须熟悉长长的投递段列表以及各种各样的国际邮件投递信息。Spell-It技术把地址、投递路线等信息都存入了系统，这样就大大方便了分拣工作。 例如，有一件寄往Stonehollow 路2036号的邮件。使用语音识别技术，分拣员仅仅需要发出“2”、“0”、“S”、“T”和“O”几个音，如表2所示，数据库就会给出所有可能和这几
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
语音识别为文字：Google，微软，科大讯飞的语音识别引擎对比 学习路线：https://https://www.doczj.com/doc/ec4364780.html,/qq_36330643/article/details/80077771 使用外部知识库——tf-idf，还可以加上词语出现的位置进行权重增幅。（推荐） 不使用外部知识库——主要根据文本本身的特征去提取:比如在文本中反复出现且 关键词附近出现关键词的概率非常大，因此就有了TextRank算法。（实现包括FudanNLP和SnowNLP)。类似于PageRank算法；ICTCLAS则是从另外一个思路出发，即一个词如果是关键词那么它反复出现并且左右出现不同的词语的概率非常高。即左右熵比较高。 关键词抽取也可以分为两种： 1.仅仅把词语抽取出来，实现较简单，比如：FundanNLP、jieba、BosonNLP、SnowNLP。 2.连词和短语一起抽取出来，这个还需要增加短语抽取这一步骤，实现如：ICTCLAS、ansj_seg等，可以把类似于“智能手机”、“全面深化改革”、“非公有制经济”这些短语抽取出来。（对于聚类或者分类来说，很明显短语比词语更有价值） 词性标注：(Part-of-speech Tagging, POS)是给句子中每个词一个词性类别的任务。这里的词性类别可能是名词、动词、形容词或其他。python jieba库在执行cut函数之后，完成了分词并进行了词性标注任务。 语义角色标注(Semantic Role Labeling, SRL) 是一种浅层的语义分析技术，标注句子中某些短语为给定谓词的论元(语义角色) ，如施事、受事、时间和地点等。其能够对问答系统、信息抽取和机器翻译等应用产生推动作用。
语音AgentNet 的整体实现张宇伟
摘要： 本文论述了一个人机对话应用的实现(我命名它为AgentNet)。其应用实例为一种新的整合了语音技术的智能代理网络服务。 服务器端开发使用了微软SQL SERVER 7.0技术,客户端使用了微软Agent ，微软Specch SDK5语音合成，和语音识别技术。网络连接使用了SOCKET 技术,并论述了高层网络协议的实现。 [关键词] 人机对话，MS-AGENT,语音合成，语音识别，网络编程 [Abstract] This paper discuss a new actualization of man-machine conversation application, which is based on a modal of network service. And I name this service with the name of AgentNet. The development of this service used Microsoft SQL SERVER 7.0. And the client used the technology of Microsoft Agent, TTS (Text To Speech),SR(Speech Recognition).Also the client and the server connect with SOCKET. On the SOCKET, the paper discuss the development of High-Level net protocol. [Key Words] Man-Machine Conversation, MS-AGENT, TTS , SR ,Net Work Programming
语音识别技术的发展与未来-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
语音识别技术的发展与未来 与机器进行语音交流，让它听明白你在说什么。语音识别技术将人类这一曾经的梦想变成了现实。语音识别就好比“机器的听觉系统”，该技术让机器通过识别和理解，把语音信号转变为相应的文本或命令。 在1952年的贝尔研究所，Davis等人研制了世界上第一个能识别10个英文数字发音的实验系统。1960年英国的Denes等人研制了第一个计算机语音识别系统。 大规模的语音识别研究始于上世纪70年代以后，并在小词汇量、孤立词的识别方面取得了实质性的进展。上世纪80年代以后，语音识别研究的重点逐渐转向大词汇量、非特定人连续语音识别。 同时，语音识别在研究思路上也发生了重大变化，由传统的基于标准模板匹配的技术思路开始转向基于统计模型的技术思路。此外，业内有专家再次提出了将神经网络技术引入语音识别问题的技术思路。 上世纪90年代以后，在语音识别的系统框架方面并没有什么重大突破。但是，在语音识别技术的应用及产品化方面出现了很大的进展。比如，DARPA是在上世界70年代由美国国防部远景研究计划局资助的一项计划，旨在支持语言理解系统的研究开发工作。进入上世纪90年代，DARPA计划仍在持续进行中，其研究重点已转向识别装置中的自然语言处理部分，识别任务设定为“航空旅行信息检索”。 我国的语音识别研究起始于1958年，由中国科学院声学所利用电子管电路识别10个元音。由于当时条件的限制，中国的语音识别研究工作一直处于缓慢发展的阶段。直至1973年，中国科学院声学所开始了计算机语音识别。 进入上世纪80年代以来，随着计算机应用技术在我国逐渐普及和应用以及数字信号技术的进一步发展，国内许多单位具备了研究语音技术的基本条件。与此同时，国际上语音识别技术在经过了多年的沉寂之后重又成为研究的热点。在这种形式下，国内许多单位纷纷投入到这项研究工作中去。 1986年，语音识别作为智能计算机系统研究的一个重要组成部分而被专门列为研究课题。在“863”计划的支持下，中国开始组织语音识别技术的研究，并决定了每隔两年召开一次语音识别的专题会议。自此，我国语音识别技术进入了一个新的发展阶段。 自2009年以来，借助机器学习领域深度学习研究的发展以及大数据语料的积累，语音识别技术得到突飞猛进的发展。
语音识别的应用 语音识别可以应用的领域大致分为大五类：办公室或商务系统。典型的应用包括：填写数据表格、数据库管理和控制、键盘功能增强等等。制造业：在质量控制中，语音识别系统可以为制造过程提供一种“不用手”、“不用眼”的检控（部件检查）。电信：相当广泛的一类应用在拨号电话系统上都是可行 的，包括话务员协助服务的自动化、国 际国内远程电子商务、语音呼叫分配、 语音拨号、分类订货。医疗：这方面的 主要应用是由声音来生成和编辑专业的 医疗报告。其他：包括由语音控制和操 作的游戏和玩具、帮助残疾人的语音识 别系统、车辆行驶中一些非关键功能的 语音控制， 如车载交通路况控制系统、 音响系统。 当语音识别技术应用到计算机桌面 的时候，这看起来似乎是一个好主意。 但是，对于大多数人来说，语音识别还 不能取代键盘和鼠标。现在，语音技术 正用于一个全新的环境：手机。语音识 别技术在手机中的应用将进一步推动这 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。 语音识别技术在手机中的应用
专题报道2011年第7期 种技术向新的方向发展和应用。这是语音识别技术在台式电脑应用中从来没有涉足的方向。 IBM在60年代初期创建了一个名为“Shoebox”的试验性的语音识别系统。这个系统解决了口语算法问题。语音识别技术是在50年代作为一项早期的技术第一次出现的，当时主要是由于好奇。在60年代初，IBM的“Shoebox”设备能够识别出16个口语单词并且能够回答简单的数学问题，如“3 ＋ 4 =？”。 Dragon Systems在80年代初为DOS计算机推出的DragonDictate可能是第一个语音识别应用程序。这个应用程序只能识别单个单词，每次只说一个单词。随着时间的推移，这个应用程序已经发展成为名为“Dragon NaturallySpeaking”（目前是第11个版本，由Nuance通讯公司所有）的产品。这个应用程序能够翻译以正常的会话语音和速度读出的文本。 语音识别技术在台式电脑中的应用有两个制约因素。第一，为了使这个应用程序以更高的准确性工作，这个应用程序必须要进行训练以便识别用户的语音特征。Windows Vista和Windows 7操作系统中的本地语音转换文本技术和Dragon NaturallySpeaking等第三方产品仍然都需要一个用户训练期才能使用。 第二个制约因素是键盘的流行程度。大多数人已经习惯于键盘打字而不是讲话，因此，语音控制面临Dvorak键盘布局同样的应用障碍。当简单的老式QWERTY键盘供货充足并且工作的很好的时候，为什么要学习使用Dvorak键盘呢？ 微软TellMe团队是负责为多媒体环境开发语音识别技术的部门。TellMe团队高级产品经理Abhi Rele指出，在台 式电脑环境，用户有方便的人机交流模 式，如键盘和鼠标。因此，语音的使用 主要是针对语音爱好者的。 语音控制的计算更广泛的应用需要 两件事情：更好的方便的应用和主要使 用语音的地方。手机正是很长时间以来 一直在增长的这种地方。 Nuance负责产品管理和营销的副总 裁Matt Revis解释说，台式电脑和移动环 境的区别是这样的：台式电脑是一个固 定的环境，重点完全在于台式电脑的使 用情况。因此，台式电脑的语音技术主 要执行如下任务：支持办公应用程序、 网络浏览、通讯等。在移动方面，语音 更多地用于支持各种生活方式方面：移 动中的专业人员、户外的有趣活动、免 提电话等等。 Gartner分析师Tuong Nguyen赞同这 个观点：语音在移动环境中更有意义。 他说，从使用的角度看，掌上设备的语 音识别功能价值更大。它增加了用户友 好的、方便的输入方式。 Nguyen补充说，如果不用 语音技术说出一个简单的说明语 句，而是翻动许多菜单或者努力 地在小显示屏键盘上进行输入， 语音识别的价值就显现出来了。 随着触摸屏设备（没有物理键 盘）应用的增长，语音识别技术 将用来增强数据输入和输出。语 音识别还支持免提要求或者法律 要求。 在移动设备方面 因为移动设备一般仅支持 台式电脑的一部分存储和处理功 能，语音处理需要一些时间才能 以基本的形式出现在手机中。 语音处理Springer手册解释了手机 在2000年代初的情况。尽管那时还有 一些局限性，但是，手机经过编程之后 能够识别逐个数字的拨号语音，在某种 程度上还能识别人的名字。主要问题是 内存，因此，大多数手机一次只能识别 10个数字或者名字。但是，这些作者指 出的另一个问题是这个功能使用的比较 少，可能是因为手机厂商在这方面的营 销很糟糕。 随着手机的增加内存和增强处理能 力，普通手机的识别能力也增强了。三 星电子在2005年发布的售价99美元的 SCH-p-207型手机增加了语音至文本的 听写功能和语音拨号功能。随着内存达 到数百MB和存储容量达到数GB，目前 这一代智能手机很少受到限制。 另一个关键的进步是网络速度。 速度更快的无线网络浪潮抬高了许多大 船，包括最新一代的语音处理技术。速 度更快的网络能够把语音处理任务从网 络迁移到远程服务器。 谷歌语音搜索产品经理Amir Mane
摘要：语音识别技术是一门涉及面很广的交叉学科。随着新理论的提出和应用，语音识别技术取得了很大的进步,许多产品已经得以实际的应用，但在其进一步的发展进程中，还有许多棘手的问题有待解决。 关键词：语音识别；动态时间规整算法；人工神经元网络 1 背景介绍 语言是人类特有的功能,是人们思维最重要的寄托体，是人类交流最主要的途径。语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。语言和语音与人类 社会科学文化发展紧密相连。 语音识别技术是让机器接收，识别和理解语音信号，并将其转换成相应的数字信号的 技术。它是一门交叉学科，涉及到语音语言学、数理统计、计算机、信号处理等一系列学科。 2 发展历史 1952年贝尔实验室的Davis等人研制成功了能识别十个英文数字发音的Audry系统，标志着语音识别技术研究工作开始。20世纪60年代计提出了动态规划(Dynamic programming)和线性预测分析技术（Liner Predictive）等重要成果。20世纪70年代，语音识别领域取得了突破。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。20世纪80年代语音识别研究进一步走向深入, 基于特定人孤立语音技术的系统研 制成功, 隐马尔可夫模型和人工神经元网络(Artificial Neural Network)在语音识别中的成 功应用。进入20世纪90年代后语音识别系统开始从实验室走向实用。我国对语音识别的研究开始于20世纪80年代，近年来发展迅速，并取得了一系列的成果。 3 具体应用 随着计算机技术、模式识别等技术的发展，适应不同场合的语音识别系统相继被开发 出来，语音识别及处理技术已经越来越突现出其强大的技术优势。近三十年来，语音识别 在计算机、信息处理、通信与电子系统、自动控制等领域的应用越来越广泛。 在许多政府部门、商业机构，语音识别技术的应用，可免除大量操作人员的重复劳动，既经济又方便。如：语音邮件、IP电话和IP传真、电子商务、自动语音应答系统、自动 语音信箱、基于IP的语音、数据、视频的CTI系统、综合语音、数据服务系统、自然语音识别系统、专家咨询信息服务系统、寻呼服务、故障服务、秘书服务、多媒体综合信息服务、专业特别服务号(168自动信息服务系统，112、114、119等信息查询系统)等。许多特定环境下，如工业控制方面，在一些工作环境恶劣、对人身有伤害的地方(如地下、深水及辐射、高温等)或手工难以操作的地方，均可通过语音发出相应的控制命令，让设备完成各种工作。
语音消息相信很多人都已经使用成了习惯了，但是长时间的语音消息发送出去方便了自己却麻烦了别人。不过现在语音识别成文字的方法也越来越普遍了，说说话就可以打出需要的文字，这样方便了自己，接收消息的朋友也不必麻烦的听取长时间的语音了。下面我们就来看看有什么具体的方法可以将语音转换成文字，轻松简单就可以掌握的使用方法。 一.输入法语音输入 现在在一些手机自带的输入法上面就有语音输入文字的功能，一般通过长按带喇叭标志的空格键就可以开启语音识别文字的功能，这时就可以说话，录制识别的声音都会转换为文字发送到需要的地方了。
如果说不满意这种方法的话还有另外一种方法能够实现将语音识别成文字的方法。更加的专业能够将语音轻松的识别成文字，不需要长时间的按住录音按钮，还能够将语音转换出的文字进行翻译都能够功能非常的实用。 二.录音转文字助手 介绍的这个方法需要在手机的应用市场里面找到这个专业的应用【录音转文字助手】。很多文字工作者在像一些会议记录，采访会谈等情况下需要将长时间的录音转换成文字都会选择这个应用来帮助将语音转换成文字，转换的准确率高达96%。能够轻松的满足我们日常工作的需要 它主要分为四个功能“录音实时转写”“导入音频识别”“语音翻译”“录音机”。需要边录制识别声音边转换出文字的时候就可以选择“录音实时转写”这个功能接入来录音识别界面来帮助完成将语音识别成文字的需要。
可以看到界面下方的录音按钮可以控制开始和停止录音，录音识别的文字会非常的准确的显示的在文本框内，如果有翻译的需要可以按下翻译按钮将文字进行中英文翻译，再也不用担心有听不懂的对话了，最后识别出的文字想要使用的需要的地方可以按下复制或者导出按钮将文字进行使用。
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
互联网科技发展迅速，为我们的工作也提供了很多方便之处，比如说，我们在工作中遇到PDF文件需要转换成word 文档，可以使用PDF转换器来解决。有些时候因为工作需要，我们需要将文字转换成语音来保存或者传送，当然了我们还是使用工具来解决，下面小编给大家分享一下。 1、PDF转换器不仅可以将PDF文件转换成word，还可以将文字转换成语音。就是使用PDF转换器这个工具来完成的。大家可以在百度浏览器搜索关键词PDF转换器，然后将软件下载安装到电脑中。
2、软件安装后，鼠标双击进入工具操作页面，这个软件的色彩搭配很好，增强了视觉感。我们目标上方的工具栏目，点击【文字语音转换】，这时候页面的左侧就会出现栏目【文字转语音】，再接着点击【文字转语音】，就可以了。 3、现在添加文件，在页面底部点击【添加文件】的按钮，会弹
出一个文件夹，在文件夹中，找到文件，选中添加到处理列表中。也可以选中文件，直接拖拽到处理列表中。 4、这一步是设置文件转换完成的保存位置，在页面的上方找到输出目录，有两个选择，分别是源文件夹和本地的任意文件夹，这个看个人需求来选择。
5、以上都设置好之后，将开始文字转语音的操作了，点击页面上方状态栏下方的【播放】按钮，转换过程中保持良好的网络状态，以防导致文件转换失败。 6、稍等片刻，文件转换进度显示100%的时候，就是文件转换完
成了。可以直接在页面点击【打开】按钮，查看和保存文件，也可以在上面设置的保存位置中查看文件。 上面分享给大家的软件，功能丰富，而且操作简单，上面文字转语音的操作仅仅用了六步就搞定了，大家下载安装好软件后，可以按照上面的操作步骤来解决问题，希望可以帮助大家。
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。
语音识别技术综述 The summarization of speech recognition 张永双 苏州大学苏州江苏 摘要 本文回顾了语音识别技术的发展历史，综述了语音识别系统的结构、分类及基本方法，分析了语音识别技术面临的问题及发展方向。 关键词：语音识别；特征；匹配 Abstact This article review the courses of speech recognition technology progress ,summarize the structure,classifications and basic methods of speech recognition system and analyze the direction and the issues which speech recognition technology development may confront with. Key words: speech recognition;character;matching 引言 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。语音识别是一门交叉学科，所涉及的领域有信号处理、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，甚至还涉及到人的体态语言（如人民在说话时的表情手势等行为动作可帮助对方理解）。其应用领域也非常广，例如相对于键盘输入方法的语音输入系统、可用于工业控制的语音控制系统及服务领域的智能对话查询系统，在信息高度化的今天，语音识别技术及其应用已成为信息社会不可或缺的重要组成部分。 1.语音识别技术的发展历史 语音识别技术的研究开始二十世纪50年代。1952年，AT&Tbell实验室的Davis等人成功研制出了世界上第一个能识别十个英文数字发音的实验系统：Audry系统。
语音识别的技术原理是什么？ 简要给大家介绍一下语音怎么变文字的吧。 首先说一下作为输入的时域波形。我们知道声音实际上是一种波。常见的mp3、wmv等格式都是压缩格式，必须转成非压缩的纯波形文件，比如Windows PCM文件，即wav文件来处理。wav文件里存储的除了一个文件头以外，就是声音波形的一个个点了。采样率越大，每毫秒语音中包含的点的个数就越多。另外声音有单通道,双通道之分，还有四通道的等等。对语音识别任务来说，单通道就足够了，多了浪费，因此一般要把声音转成单通道的来处理。下图是一个波形的示例。 另外，通常还需要做个VAD处理，也就是把首尾端的静音切除，降低对后续步骤造成的干扰，这需要用到信号处理的一些技术。 时域的波形必须要分帧，也就是把波形切开成一小段一小段，每小段称为一帧。分帧操作通常使用移动窗函数来实现，分帧之前还要做一些预加重等操作，这里不详述。帧与帧之间是有交叠的，就像下图这样：图中，每帧的长度为25毫秒，每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms 分帧。 图中，每帧的长度为25毫秒，每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。 分帧后，语音就变成了很多小段。但波形在时域上几乎没有描述能力，因此必须将波形作变换。常见的一种变换方法是提取MFCC特征，把每一帧波形变成一个12维向量。这12个点是根据人耳的生理特性提取的，可以理解为这12个点包含了这帧语音的内容信息。这个过程叫做声学特征提取。实际应用中，这一步有很多细节，比如差分、均值方差规整、高斯化、降维去冗余等，声学特征也不止有MFCC这一种，具体就不详述了。
语音识别技术 简要给大家介绍一下语音怎么变文字的吧。需要说明的是，这篇文章为了易读性而牺牲了严谨性，因此文中的很多表述实际上是不准确的。对于有兴趣深入了解的同学，本文的末尾推荐了几份进阶阅读材料。下面我们开始。首先，我们知道声音实际上是一种波。常见的mp3等格式都是压缩格式，必须转成非压缩的纯波形文件来处理，比如Windows PCM文件，也就是俗称的wav文件。wav文件里存储的除了一个文件头以外，就是声音波形的一个个点了。下图是一个波形的示例。 在开始语音识别之前，有时需要把首尾端的静音切除，降低对后续步骤造成的干扰。这个静音切除的操作一般称为VAD，需要用到信号处理的一些技术。要对声音进行分析，需要对声音分帧，也就是把声音切开成一小段一小段，每小段称为一帧。分帧操作一般不是简单的切开，而是使用移动窗函数来实现，这里不详述。帧与帧之间一般是有交叠的，就像下图这样： 图中，每帧的长度为25毫秒，每两帧之间有25-10=15毫秒的交叠。我们称为以帧长25ms、帧移10ms分帧。分帧后，语音就变成了很多小段。但波形在时域上几乎没有描述能力，因此必须将波形作变换。常见的一种变换方法是提取MFCC 特征，根据人耳的生理特性，把每一帧波形变成一个多维向量，可以简单地理解为这个向量包含了这帧语音的内容信息。这个过程叫做声学特征提取。实际应用中，这一步有很多细节，声学特征也不止有MFCC这一种，具体这里不讲。至此，声音就成了一个12行（假设声学特征是12维）、N列的一个矩阵，称之为观察序列，这里N为总帧数。观察序列如下图所示，图中，每一帧都用一个12维的向量表示，色块的颜色深浅表示向量值的大小。
评委一评分，签名及备注队号： 评委三评分，签名及备注 1209 评委四评分，签名及备注评委二评分，签名及备注选题： C 题目：语音识别技术的应用 摘要 语音识别技术（ASR）是一项涉及多学科的综合性技术，并且语音识别系统在现代社会中的应用也越来越广泛，尤其是智能手机客服语音服务方面。因此本文就语音识别技术的各个环节展开建模分析，并通过10段语音样本验证语音识别模型的识别精度。 首先，本文通过Microsoft Visio软件对语音识别技术的基本原理绘制流程框图；然后通过Matlab录制一段语音样本，并对该语音信号做分帧加窗、预加重等预处理操作。 针对问题一，本文从端点检测、特征提取（MFCC参数）、模式识别三个方面展开建模，通过Matlab编程与图像说明语音识别系统的各个环节。对于端点检测环节，我们采取“双门限检测”法找出语音样本的起始点和终止点；特征提取环节，在已经过端点检测的语音样本基础上，本文选取能提高识别性能的MFCC 参数来分析；关于模式识别环节，我们首先对特征参数进行规整，然后基于神经网络算法详细阐述语音识别的过程。 针对问题二，根据问题一中的模型，本文结合软件工程中面向对象（OOD）的分析方法以及用户操作手册编写规范，为手机运营商制定了可行、简单的用户操作规则。 针对问题三，本文通过设计实验来验证语音识别模型的准确性。首先，根据用户操作规则，我们录制了不同情况下不同人的10段语音；然后根据问题一模型建立流程进行语音识别验证；最后结果表明，在本次试验中基于神经网络的语音识别的系统的识别准确率达75%。 关键字：语音识别；端点检测；MFCC；神经网络；OOD
语音识别的应用前景北京双语教育电子有限公司 ????语音识别技术的发展的确经历了一个漫长的渐进过程。二十多年前，它还只是科研人员在实验室里描述的一个梦想般的希望，但两个方面的进步终于促成了这一技术的平民化。其一，半导体技术的发展使得以前只有在巨型机上才能进行的语音识别系统如今在微机上就可以实现。无疑，英特尔公司在这其中扮演了重要的角色，今天，多数的普通家庭都对“Intel Inside” 这样一句广告词耳熟能详，并且也具备足够的支付能力来使用一台高性能微机；其二，软件技术的演进也使得这项技术走向实用，一些核心算法，如特征提取、语音的声学摸型及相应的语言模型，搜索算法及自适应算法等都取得了长足的进展。软硬件技术的有效结合为我们提供了一种全新的远景。很显然，语音处理正在革新这个世界，因为一旦赋予人类语音以力量之后，任何会说话的人都将能自由地应用这种技术。并且，这也是现存的最为自然的用户界面。 ????多数人可能都怀着一种模糊而激动的心情期待着这一新技术的来临，然而，语音识别技术确切地能够为我们带来什么呢？许多行业还并未清晰地意识到该技术所可能开拓的广阔空间。但是，就目前的发展势态及技术进步来看，它将有可能涉足人类生活的每一领域。 ????目前，在信息处理、教育与商务应用、消费电子应用方面，语音识别技术都已经展现出了它的巨大优势。一、语音识别技术在信息处理领域的应用： ????个人电脑的普及在 中国一直有着不小的障碍。多数的中国用户往往会被其复杂的用户界面弄得不知所措。此外，汉字输入也是计算机应用的一个困难，即使五笔字型已经如此著名，但愿意花时间去学并且学好的人也并不很多，而拼音输入对于发音不太准或拼音基础不好的人来讲也成问题。因此，语音识别技术至少首先在这两个方面有着广阔的应用。 ????简单地讲，语音识别技术在信息处理领域的首要的巨大应 用将在于提供了一种全新的人机