语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)技术飞速发展，又取(qu)得了(le)几(ji)个突破性(xing)的(de)(de)进展。1970年(nian)，来自前苏联的(de)(de)Velichko和(he)(he)Zagoruyko将模式识(shi)别(bie)的(de)(de)概(gai)念引入(ru)语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)中。同年(nian)，Itakura提(ti)(ti)出(chu)了(le)线(xian)性(xing)预测(ce)编码(ma)(ma)(LinearPredictiveCoding，LPC)技术，并将该(gai)(gai)技术应(ying)用(yong)(yong)于语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)。1978年(nian)，日(ri)本人(ren)Sakoe和(he)(he)Chiba在前苏联科(ke)学(xue)家Vintsyuk的(de)(de)工(gong)作(zuo)基础上，成(cheng)功地使用(yong)(yong)动(dong)态规划算(suan)法(fa)将两(liang)段不同长(zhang)度的(de)(de)语(yu)(yu)(yu)音(yin)(yin)在时(shi)(shi)间轴上进行了(le)对齐(qi)，这(zhei)(zhei)就是我们现在经常提(ti)(ti)到(dao)的(de)(de)动(dong)态时(shi)(shi)间规整(DynamicTimeWarping，DTW)。该(gai)(gai)算(suan)法(fa)把时(shi)(shi)间规整和(he)(he)距离(li)的(de)(de)计算(suan)有(you)机地结合(he)起(qi)来，解决了(le)不同时(shi)(shi)长(zhang)语(yu)(yu)(yu)音(yin)(yin)的(de)(de)匹(pi)配问(wen)题。在一些(xie)要求资源占用(yong)(yong)率低、识(shi)别(bie)人(ren)比(bi)较特定的(de)(de)环境(jing)下，DTW是一种很经典很常用(yong)(yong)的(de)(de)模板(ban)匹(pi)配算(suan)法(fa)。这(zhei)(zhei)些(xie)技术的(de)(de)提(ti)(ti)出(chu)完善了(le)语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)的(de)(de)理论研究(jiu)，并且使得孤(gu)立词(ci)语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)系统(tong)达到(dao)了(le)一定的(de)(de)实(shi)用(yong)(yong)性(xing)。此后，以IBM公(gong)司和(he)(he)Bell实(shi)验室为的(de)(de)语(yu)(yu)(yu)音(yin)(yin)研究(jiu)团队开始将研究(jiu)重点(dian)放到(dao)大(da)词(ci)汇量连续语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)系统(tong)(LargeVocabularyContinuousSpeechRecognition，LVCSR)，因为这(zhei)(zhei)在当时(shi)(shi)看来是更有(you)挑(tiao)战性(xing)和(he)(he)更有(you)价值的(de)(de)研究(jiu)方(fang)向。20世纪70年(nian)代末，Linda的(de)(de)团队提(ti)(ti)出(chu)了(le)矢量量化(hua)(VectorQuantization。VQ)的(de)(de)码(ma)(ma)本生成(cheng)方(fang)法(fa)，该(gai)(gai)项工(gong)作(zuo)对于语(yu)(yu)(yu)音(yin)(yin)编码(ma)(ma)技术具(ju)有(you)重大(da)意(yi)义。语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)是项融合(he)多(duo)学(xue)科(ke)知识(shi)的(de)(de)前沿(yan)技术，覆(fu)盖了(le)数学(xue)与(yu)统(tong)计学(xue)、声学(xue)与(yu)语(yu)(yu)(yu)言学(xue)、计算(suan)机与(yu)人(ren)工(gong)智能等基础学(xue)科(ke)。山西英语(yu)(yu)(yu)语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)

英国伦敦(dun)大(da)(da)学(xue)的(de)(de)(de)(de)(de)(de)(de)科学(xue)家(jia)Fry和Denes等人di一次(ci)(ci)利(li)用(yong)统(tong)(tong)计学(xue)的(de)(de)(de)(de)(de)(de)(de)原理(li)(li)(li)构建出了(le)一个(ge)可(ke)以识(shi)(shi)别(bie)(bie)出4个(ge)元(yuan)(yuan)音(yin)(yin)和9个(ge)辅(fu)音(yin)(yin)的(de)(de)(de)(de)(de)(de)(de)音(yin)(yin)素(su)识(shi)(shi)别(bie)(bie)器。在同一年(nian)，美国麻省理(li)(li)(li)工(gong)学(xue)院林肯实(shi)验室的(de)(de)(de)(de)(de)(de)(de)研究人员(yuan)则(ze)shou次(ci)(ci)实(shi)现(xian)了(le)可(ke)以针对非(fei)特(te)定(ding)人的(de)(de)(de)(de)(de)(de)(de)可(ke)识(shi)(shi)别(bie)(bie)10个(ge)元(yuan)(yuan)音(yin)(yin)音(yin)(yin)素(su)的(de)(de)(de)(de)(de)(de)(de)识(shi)(shi)别(bie)(bie)器。语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)技(ji)术的(de)(de)(de)(de)(de)(de)(de)发展历(li)史，主要包(bao)括(kuo)模(mo)(mo)板(ban)匹配、统(tong)(tong)计模(mo)(mo)型和深(shen)度学(xue)习(xi)三个(ge)阶段(duan)。di一阶段(duan)：模(mo)(mo)板(ban)匹配(DTW)20世纪60年(nian)代，一些重要的(de)(de)(de)(de)(de)(de)(de)语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)的(de)(de)(de)(de)(de)(de)(de)经典理(li)(li)(li)论(lun)先后被提出和发表出来。1964年(nian)，Martin为了(le)解决语(yu)(yu)(yu)音(yin)(yin)时(shi)长不一致的(de)(de)(de)(de)(de)(de)(de)问题(ti)，提出了(le)一种时(shi)间归一化的(de)(de)(de)(de)(de)(de)(de)方(fang)(fang)法(fa)(fa)(fa)，该方(fang)(fang)法(fa)(fa)(fa)可(ke)以可(ke)靠(kao)地检(jian)测出语(yu)(yu)(yu)音(yin)(yin)的(de)(de)(de)(de)(de)(de)(de)端点，这可(ke)以有(you)效地降低语(yu)(yu)(yu)音(yin)(yin)时(shi)长对识(shi)(shi)别(bie)(bie)结果的(de)(de)(de)(de)(de)(de)(de)影响，使语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)结果的(de)(de)(de)(de)(de)(de)(de)可(ke)变性减小了(le)。1966年(nian)，卡耐基梅隆(long)大(da)(da)学(xue)的(de)(de)(de)(de)(de)(de)(de)Reddy利(li)用(yong)动态(tai)音(yin)(yin)素(su)的(de)(de)(de)(de)(de)(de)(de)方(fang)(fang)法(fa)(fa)(fa)进行了(le)连续语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)，这是一项(xiang)开创性的(de)(de)(de)(de)(de)(de)(de)工(gong)作。1968年(nian)，前苏联科学(xue)家(jia)Vintsyukshou次(ci)(ci)提出将(jiang)动态(tai)规划算(suan)法(fa)(fa)(fa)应用(yong)于对语(yu)(yu)(yu)音(yin)(yin)信号的(de)(de)(de)(de)(de)(de)(de)时(shi)间规整。虽然(ran)在他的(de)(de)(de)(de)(de)(de)(de)工(gong)作中，动态(tai)时(shi)间规整的(de)(de)(de)(de)(de)(de)(de)概念和算(suan)法(fa)(fa)(fa)原型都有(you)体现(xian)，但在当时(shi)并没有(you)引(yin)起足够(gou)的(de)(de)(de)(de)(de)(de)(de)重视(shi)。这三项(xiang)研究工(gong)作，为此后几(ji)十(shi)年(nian)语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)的(de)(de)(de)(de)(de)(de)(de)发展奠(dian)定(ding)了(le)坚实(shi)的(de)(de)(de)(de)(de)(de)(de)基础。虽然(ran)在这10年(nian)中语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)理(li)(li)(li)论(lun)取(qu)得了(le)明显的(de)(de)(de)(de)(de)(de)(de)进步。但是这距离实(shi)现(xian)真正实(shi)用(yong)且(qie)可(ke)靠(kao)的(de)(de)(de)(de)(de)(de)(de)语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)系(xi)统(tong)(tong)的(de)(de)(de)(de)(de)(de)(de)目标依旧十(shi)分遥远(yuan)。20世纪70年(nian)代。深(shen)圳移动语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)标准一个(ge)完(wan)整的(de)(de)(de)(de)(de)(de)(de)语(yu)(yu)(yu)音(yin)(yin)识(shi)(shi)别(bie)(bie)系(xi)统(tong)(tong)通常(chang)包(bao)括(kuo)信息(xi)处(chu)理(li)(li)(li)和特(te)征提取(qu)、声(sheng)学(xue)模(mo)(mo)型、语(yu)(yu)(yu)言模(mo)(mo)型和解码搜索四(si)个(ge)模(mo)(mo)块(kuai)。

发(fa)(fa)音(yin)和(he)单(dan)词选择可(ke)(ke)能(neng)会因(yin)地理位置和(he)口音(yin)等(deng)因(yin)素而(er)不同。哦，别忘了语(yu)言(yan)也因(yin)年龄(ling)和(he)性别而(er)有所不同！考虑到(dao)这(zhei)一(yi)点(dian)，为(wei)ASR系(xi)统(tong)(tong)(tong)(tong)提(ti)(ti)供的(de)(de)(de)语(yu)音(yin)样本(ben)越(yue)多(duo)，它(ta)在识别和(he)分(fen)类新(xin)语(yu)音(yin)输入(ru)方面(mian)(mian)越(yue)好(hao)。从(cong)各(ge)种各(ge)样的(de)(de)(de)声音(yin)和(he)环(huan)(huan)境中(zhong)(zhong)获取的(de)(de)(de)样本(ben)越(yue)多(duo)，系(xi)统(tong)(tong)(tong)(tong)越(yue)能(neng)在这(zhei)些(xie)环(huan)(huan)境中(zhong)(zhong)识别声音(yin)。通过(guo)专门(men)的(de)(de)(de)微调和(he)维护，自(zi)动语(yu)音(yin)识别系(xi)统(tong)(tong)(tong)(tong)将在使用(yong)过(guo)程中(zhong)(zhong)得(de)到(dao)改进。因(yin)此，从(cong)基本(ben)的(de)(de)(de)角度(du)来(lai)看，数(shu)据(ju)(ju)越(yue)多(duo)越(yue)好(hao)。的(de)(de)(de)确，目前进行的(de)(de)(de)研究(jiu)和(he)优化(hua)较(jiao)小(xiao)数(shu)据(ju)(ju)集(ji)(ji)相关，但目前大多(duo)数(shu)模型仍需要(yao)大量数(shu)据(ju)(ju)才能(neng)发(fa)(fa)挥(hui)良好(hao)的(de)(de)(de)性能(neng)。幸运的(de)(de)(de)是，得(de)益于(yu)数(shu)据(ju)(ju)集(ji)(ji)存储库的(de)(de)(de)数(shu)据(ju)(ju)收集(ji)(ji)服务，音(yin)频数(shu)据(ju)(ju)的(de)(de)(de)收集(ji)(ji)变得(de)越(yue)发(fa)(fa)简单(dan)。这(zhei)反过(guo)来(lai)又(you)增加了技术(shu)发(fa)(fa)展的(de)(de)(de)速(su)度(du)，那么，接下来(lai)简单(dan)了解一(yi)下，未来(lai)自(zi)动语(yu)音(yin)识别能(neng)在哪些(xie)方面(mian)(mian)大展身(shen)手(shou)。ASR技术(shu)的(de)(de)(de)未来(lai)ASR技术(shu)已融身(shen)于(yu)社(she)会。虚拟助手(shou)、车载系(xi)统(tong)(tong)(tong)(tong)和(he)家庭自(zi)动化(hua)都(dou)让日常生活更加便利，应(ying)用(yong)范围(wei)也可(ke)(ke)能(neng)扩(kuo)大。随着越(yue)来(lai)越(yue)多(duo)的(de)(de)(de)人接纳(na)这(zhei)些(xie)服务，技术(shu)将进一(yi)步发(fa)(fa)展。除上述示例之外，自(zi)动语(yu)音(yin)识别在各(ge)种有趣的(de)(de)(de)领域和(he)行业中(zhong)(zhong)都(dou)发(fa)(fa)挥(hui)着作用(yong)：·通讯：随着全(quan)球手(shou)机(ji)的(de)(de)(de)普及，ASR系(xi)统(tong)(tong)(tong)(tong)甚至可(ke)(ke)以为(wei)阅读和(he)写作水平(ping)较(jiao)低的(de)(de)(de)社(she)区提(ti)(ti)供信息、在线搜(sou)索和(he)基于(yu)文本(ben)的(de)(de)(de)服务。

特别是(shi)在(zai)(zai)Encoder层，将传统(tong)的(de)(de)(de)(de)(de)RNN完全用(yong)Attention替(ti)代(dai)，从而在(zai)(zai)机(ji)器(qi)翻译任务上(shang)取(qu)得(de)了(le)更(geng)优的(de)(de)(de)(de)(de)结(jie)果，引起(qi)了(le)极大关(guan)注。随(sui)后，研(yan)(yan)究(jiu)人员把Transformer应(ying)用(yong)到(dao)(dao)端(duan)到(dao)(dao)端(duan)语(yu)音(yin)(yin)(yin)(yin)识(shi)(shi)别系统(tong)中(zhong)，也取(qu)得(de)了(le)非常明(ming)显的(de)(de)(de)(de)(de)改(gai)进(jin)效果。另(ling)外，生(sheng)成(cheng)式(shi)对(dui)抗(kang)网(wang)(wang)络(GenerativeAdversarialNetwork，GAN)是(shi)近年来(lai)无(wu)监督学习(xi)(xi)(xi)(xi)(xi)方(fang)(fang)面具前(qian)景的(de)(de)(de)(de)(de)一(yi)种新(xin)颖的(de)(de)(de)(de)(de)深度学习(xi)(xi)(xi)(xi)(xi)模(mo)(mo)型，"GenerativeAdversarialNets"，文中(zhong)提出了(le)一(yi)个通过(guo)对(dui)抗(kang)过(guo)程(cheng)估(gu)计(ji)生(sheng)成(cheng)模(mo)(mo)型框架的(de)(de)(de)(de)(de)全新(xin)方(fang)(fang)法。通过(guo)对(dui)抗(kang)学习(xi)(xi)(xi)(xi)(xi)，GAN可用(yong)于提升(sheng)语(yu)音(yin)(yin)(yin)(yin)识(shi)(shi)别的(de)(de)(de)(de)(de)噪声鲁棒性。GAN网(wang)(wang)络在(zai)(zai)无(wu)监督学习(xi)(xi)(xi)(xi)(xi)方(fang)(fang)面展现出了(le)较大的(de)(de)(de)(de)(de)研(yan)(yan)究(jiu)潜质和较好的(de)(de)(de)(de)(de)应(ying)用(yong)前(qian)景。从一(yi)个更(geng)高的(de)(de)(de)(de)(de)角(jiao)度来(lai)看待(dai)语(yu)音(yin)(yin)(yin)(yin)识(shi)(shi)别的(de)(de)(de)(de)(de)研(yan)(yan)究(jiu)历程(cheng)，从HMM到(dao)(dao)GMM，到(dao)(dao)DNN，再到(dao)(dao)CTC和Attention，这个演进(jin)过(guo)程(cheng)的(de)(de)(de)(de)(de)主(zhu)线是(shi)如何(he)利用(yong)一(yi)个网(wang)(wang)络模(mo)(mo)型实现对(dui)声学模(mo)(mo)型层面更(geng)准(zhun)的(de)(de)(de)(de)(de)刻画。换(huan)言之(zhi)，就(jiu)是(shi)不断尝试更(geng)好的(de)(de)(de)(de)(de)建模(mo)(mo)方(fang)(fang)式(shi)以取(qu)代(dai)基(ji)于统(tong)计(ji)的(de)(de)(de)(de)(de)建模(mo)(mo)方(fang)(fang)式(shi)。在(zai)(zai)2010年以前(qian)，语(yu)音(yin)(yin)(yin)(yin)识(shi)(shi)别行(xing)业水平普(pu)遍还停(ting)留在(zai)(zai)80%的(de)(de)(de)(de)(de)准(zhun)确(que)(que)(que)率以下。机(ji)器(qi)学习(xi)(xi)(xi)(xi)(xi)相关(guan)模(mo)(mo)型算法的(de)(de)(de)(de)(de)应(ying)用(yong)和计(ji)算机(ji)性能(neng)的(de)(de)(de)(de)(de)增(zeng)强，带来(lai)了(le)语(yu)音(yin)(yin)(yin)(yin)识(shi)(shi)别准(zhun)确(que)(que)(que)率的(de)(de)(de)(de)(de)大幅提升(sheng)。到(dao)(dao)2015年，识(shi)(shi)别准(zhun)确(que)(que)(que)率就(jiu)达到(dao)(dao)了(le)90%以上(shang)。谷歌(ge)公司(si)在(zai)(zai)2013年时，识(shi)(shi)别准(zhun)确(que)(que)(que)率还只有77%，然而到(dao)(dao)2017年5月时，基(ji)于谷歌(ge)深度学习(xi)(xi)(xi)(xi)(xi)的(de)(de)(de)(de)(de)英语(yu)语(yu)音(yin)(yin)(yin)(yin)识(shi)(shi)别错误率已经降低到(dao)(dao)。语(yu)音(yin)(yin)(yin)(yin)交互提供(gong)了(le)更(geng)自然、更(geng)便(bian)利、更(geng)高效的(de)(de)(de)(de)(de)沟通形式(shi)，语(yu)音(yin)(yin)(yin)(yin)必定将成(cheng)为未来(lai)主(zhu)要的(de)(de)(de)(de)(de)人机(ji)互动接(jie)口(kou)之(zhi)一(yi)。

使用(yong)语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)功能(neng)之前(qian)，先按照(zhao)说(shuo)明书(shu)安(an)装百度语(yu)音(yin)(yin)输入(ru)软(ruan)(ruan)件。在(zai)(zai)浏览器中(zhong)(zhong)(zhong)输入(ru)VOICEM380底部的(de)(de)(de)软(ruan)(ruan)件下(xia)(xia)载链(lian)接(jie)，就(jiu)可以直(zhi)接(jie)进入(ru)软(ruan)(ruan)件下(xia)(xia)载界(jie)面(mian)了(le)(le)，清晰简单，自行选择win版/Mac版，跟着(zhe)(zhe)界(jie)面(mian)提示一(yi)部一(yi)部操(cao)作就(jiu)ok。中(zhong)(zhong)(zhong)间绑定(ding)手机/邮箱账号，接(jie)收验证码，输入(ru)VOICEM380底部的(de)(de)(de)码。安(an)装流程就(jiu)结束(shu)了(le)(le)，让我(wo)们来试(shi)(shi)试(shi)(shi)神奇(qi)的(de)(de)(de)语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)~先试(shi)(shi)了(le)(le)一(yi)下(xia)(xia)普通(tong)话(hua)模(mo)式(shi)(shi)(shi)，据官(guan)方(fang)说(shuo)，每分钟可听写约400字，准(zhun)确(que)率(lv)高(gao)达98%。特意找了(le)(le)一(yi)段(duan)听起来十分晦(hui)涩、拗口的(de)(de)(de)话(hua)来测(ce)试(shi)(shi)，先清点(dian)VOICEM380的(de)(de)(de)语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)键(jian)。此时(shi)电脑右下(xia)(xia)角出(chu)(chu)(chu)现(xian)小弹框，进入(ru)语(yu)音(yin)(yin)接(jie)收阶段(duan)。以正(zheng)(zheng)常语(yu)速随便(bian)读了(le)(le)一(yi)下(xia)(xia)，转(zhuan)化效果(guo)非常好，实现(xian)零误差；而且对(dui)于智能(neng)语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)中(zhong)(zhong)(zhong)的(de)(de)(de)“智能(neng)”也有(you)了(le)(le)很好的(de)(de)(de)诠(quan)释，如动(dong)图，有(you)些(xie)人名、专有(you)名词不能(neng)在(zai)(zai)一(yi)时(shi)间正(zheng)(zheng)确(que)输出(chu)(chu)(chu)，但会(hui)随着(zhe)(zhe)语(yu)音(yin)(yin)的(de)(de)(de)不断输入(ru)，不断修正(zheng)(zheng)、调(diao)整前(qian)面(mian)的(de)(de)(de)内(nei)(nei)容；输入(ru)结束(shu)后(hou)(hou)，可以再次轻点(dian)VOICEM380的(de)(de)(de)语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)键(jian)，进入(ru)“识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)”阶段(duan)，个(ge)人感觉，更(geng)像是(shi)对(dui)于刚刚输出(chu)(chu)(chu)的(de)(de)(de)内(nei)(nei)容进行后(hou)(hou)的(de)(de)(de)整合(he)(he)；如果(guo)刚刚的(de)(de)(de)输出(chu)(chu)(chu)有(you)出(chu)(chu)(chu)现(xian)标点(dian)错乱、错别(bie)(bie)(bie)(bie)字的(de)(de)(de)现(xian)象，会(hui)在(zai)(zai)这个(ge)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)阶段(duan)，统(tong)一(yi)调(diao)整，终(zhong)整合(he)(he)后(hou)(hou)输出(chu)(chu)(chu)的(de)(de)(de)内(nei)(nei)容，正(zheng)(zheng)确(que)率(lv)十分ok。接(jie)着(zhe)(zhe)试(shi)(shi)了(le)(le)一(yi)下(xia)(xia)中(zhong)(zhong)(zhong)译(yi)英(ying)(ying)模(mo)式(shi)(shi)(shi)和英(ying)(ying)译(yi)中(zhong)(zhong)(zhong)模(mo)式(shi)(shi)(shi)，整体(ti)操(cao)作和普通(tong)话(hua)模(mo)式(shi)(shi)(shi)一(yi)致。虽然涉及了(le)(le)不同语(yu)种之间的(de)(de)(de)翻(fan)译(yi)转(zhuan)化。随着(zhe)(zhe)技术的(de)(de)(de)发展，现(xian)在(zai)(zai)口音(yin)(yin)、方(fang)言、噪声等场景下(xia)(xia)的(de)(de)(de)语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)也达到了(le)(le)可用(yong)状(zhuang)态(tai)。山西语(yu)音(yin)(yin)识(shi)(shi)(shi)别(bie)(bie)(bie)(bie)工具

在医(yi)疗保健(jian)领域，语音(yin)识(shi)别(bie)可以在医(yi)疗记录过程的前端或后(hou)端实现(xian)。山西英语语音(yin)识(shi)别(bie)

用(yong)(yong)(yong)来(lai)描述(shu)双重随机(ji)过程。HMM有(you)算法成(cheng)熟、效(xiao)率高、易于训(xun)练等优(you)点(dian)(dian)，被应用(yong)(yong)(yong)于语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)、手写字识(shi)别(bie)和天(tian)气预报等多(duo)个(ge)领域(yu)，目(mu)前(qian)仍然是(shi)(shi)(shi)语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)中(zhong)的(de)(de)(de)(de)主流技术。HMM包(bao)含S1、S2、S3、S4和S55个(ge)状(zhuang)(zhuang)态，每(mei)个(ge)状(zhuang)(zhuang)态对(dui)应多(duo)帧观(guan)察(cha)值(zhi)，这些观(guan)察(cha)值(zhi)是(shi)(shi)(shi)特征序列(o1、o2、o3、o4,...,oT)，沿时刻(ke)t递(di)增，多(duo)样化而且不(bu)局限取值(zhi)范围(wei)，因(yin)此(ci)其(qi)概率分(fen)布(bu)不(bu)是(shi)(shi)(shi)离散的(de)(de)(de)(de)，而是(shi)(shi)(shi)连续的(de)(de)(de)(de)。自然界中(zhong)的(de)(de)(de)(de)很多(duo)信号可(ke)用(yong)(yong)(yong)高斯(si)分(fen)布(bu)表(biao)示，包(bao)括(kuo)语(yu)(yu)(yu)音(yin)(yin)信号。由于不(bu)同(tong)人发(fa)音(yin)(yin)会存在较大差(cha)异，具体表(biao)现是(shi)(shi)(shi)，每(mei)个(ge)状(zhuang)(zhuang)态对(dui)应的(de)(de)(de)(de)观(guan)察(cha)值(zhi)序列呈现多(duo)样化，单纯(chun)用(yong)(yong)(yong)一(yi)个(ge)高斯(si)函数(shu)来(lai)刻(ke)画(hua)其(qi)分(fen)布(bu)往往不(bu)够，因(yin)此(ci)更(geng)多(duo)的(de)(de)(de)(de)是(shi)(shi)(shi)采(cai)用(yong)(yong)(yong)多(duo)高斯(si)组(zu)合的(de)(de)(de)(de)GMM来(lai)表(biao)征更(geng)复杂的(de)(de)(de)(de)分(fen)布(bu)。这种用(yong)(yong)(yong)GMM作为HMM状(zhuang)(zhuang)态产生观(guan)察(cha)值(zhi)的(de)(de)(de)(de)概率密度函数(shu)(pdf)的(de)(de)(de)(de)模(mo)型就是(shi)(shi)(shi)GMM-HMM，每(mei)个(ge)状(zhuang)(zhuang)态对(dui)应的(de)(de)(de)(de)GMM由2个(ge)高斯(si)函数(shu)组(zu)合而成(cheng)。其(qi)能(neng)够对(dui)复杂的(de)(de)(de)(de)语(yu)(yu)(yu)音(yin)(yin)变(bian)化情况(kuang)进行(xing)(xing)建模(mo)。把(ba)GMM-HMM的(de)(de)(de)(de)GMM用(yong)(yong)(yong)DNN替(ti)代(dai)，HMM的(de)(de)(de)(de)转(zhuan)移概率和初始状(zhuang)(zhuang)态概率保持不(bu)变(bian)。把(ba)GMM-HMM的(de)(de)(de)(de)GMM用(yong)(yong)(yong)DNN替(ti)代(dai)DNN的(de)(de)(de)(de)输出(chu)节点(dian)(dian)与所有(you)HMM(包(bao)括(kuo)"a"、"o"等音(yin)(yin)素)的(de)(de)(de)(de)发(fa)射(she)状(zhuang)(zhuang)态一(yi)一(yi)对(dui)应，因(yin)此(ci)可(ke)通(tong)过DNN的(de)(de)(de)(de)输出(chu)得到每(mei)个(ge)状(zhuang)(zhuang)态的(de)(de)(de)(de)观(guan)察(cha)值(zhi)概率。DNN-HMM4.端到端从2015年(nian)，端到端模(mo)型开始流行(xing)(xing)，并被应用(yong)(yong)(yong)于语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)领域(yu)。山西英语(yu)(yu)(yu)语(yu)(yu)(yu)音(yin)(yin)识(shi)别(bie)

本文(wen)来自东莞(guan)富发玻璃(li)制品有限公司：//diyijian.cn/Article/54c64999296.html