語(yǔ)音識(shí)別技術(shù)，也被稱(chēng)為自動(dòng)語(yǔ)音識(shí)別Automatic Speech Recognition，（ASR），其目標(biāo)是將人類(lèi)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。與說(shuō)話(huà)人識(shí)別及說(shuō)話(huà)人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說(shuō)話(huà)人而非其中所包含的詞匯內(nèi)容。

　　語(yǔ)音識(shí)別系統(tǒng)提示客戶(hù)在新的場(chǎng)合使用新的口令密碼，這樣使用者不需要記住固定的口令，系統(tǒng)也不會(huì)被錄音欺騙。文本相關(guān)的聲音識(shí)別方法可以分為動(dòng)態(tài)時(shí)間伸縮或隱馬爾可夫模型方法。文本無(wú)關(guān)聲音識(shí)別已經(jīng)被研究很長(zhǎng)時(shí)間了，不一致環(huán)境造成的性能下降是應(yīng)用中的一個(gè)很大的障礙。

　　其工作原理：

　　動(dòng)態(tài)時(shí)間伸縮方法使用瞬間的、變動(dòng)倒頻。1963年Bogert et al出版了《回聲的時(shí)序倒頻分析》。通過(guò)交換字母順序，他們用一個(gè)含義廣泛的詞匯定義了一個(gè)新的信號(hào)處理技術(shù)，倒頻譜的計(jì)算通常使用快速傅立葉變換。

　　從1975年起，隱馬爾可夫模型變得很流行。運(yùn)用隱馬爾可夫模型的方法，頻譜特征的統(tǒng)計(jì)變差得以測(cè)量。文本無(wú)關(guān)語(yǔ)音識(shí)別方法的例子有平均頻譜法、矢量量化法和多變量自回歸法。

　　平均頻譜法使用有利的倒頻距離，語(yǔ)音頻譜中的音位影響被平均頻譜去除。使用矢量量化法，語(yǔ)者的一套短期訓(xùn)練的特征向量可以直接用來(lái)描繪語(yǔ)者的本質(zhì)特征。但是，當(dāng)訓(xùn)練向量的數(shù)量很大時(shí)，這種直接的描繪是不切實(shí)際的，因?yàn)榇鎯?chǔ)和計(jì)算的量變得離奇的大。所以嘗試用矢量量化法去尋找有效的方法來(lái)壓縮訓(xùn)練數(shù)據(jù)。Montacie et al在倒頻向量的時(shí)序中應(yīng)用多變量自回歸模式來(lái)確定語(yǔ)者特征，取得了很好的效果。

　　想騙過(guò)語(yǔ)音識(shí)別系統(tǒng)要有高質(zhì)量的錄音機(jī)，那不是很容易買(mǎi)到的。一般的錄音機(jī)不能記錄聲音的完整頻譜，錄音系統(tǒng)的質(zhì)量損失也必須是非常低的。對(duì)于大多數(shù)的語(yǔ)音識(shí)別系統(tǒng)，模仿的聲音都不會(huì)成功。用語(yǔ)音識(shí)別來(lái)辨認(rèn)身份是非常復(fù)雜的，所以語(yǔ)音識(shí)別系統(tǒng)會(huì)結(jié)合個(gè)人身份號(hào)碼識(shí)別或芯片卡。

　　語(yǔ)音識(shí)別系統(tǒng)得益于廉價(jià)的硬件設(shè)備，大多數(shù)的計(jì)算機(jī)都有聲卡和麥克風(fēng)，也很容易使用。但語(yǔ)音識(shí)別還是有一些缺點(diǎn)的。語(yǔ)音隨時(shí)間而變化，所以必須使用生物識(shí)別模板。語(yǔ)音也會(huì)由于傷風(fēng)、嗓音沙啞、情緒壓力或是青春期而變化。語(yǔ)音識(shí)別系統(tǒng)比指紋識(shí)別系統(tǒng)有著較高的誤識(shí)率，因?yàn)槿藗兊穆曇舨幌裰讣y那樣獨(dú)特和唯一。對(duì)快速傅立葉變換計(jì)算來(lái)說(shuō)，系統(tǒng)需要協(xié)同處理器和比指紋系統(tǒng)更多的效能。目前語(yǔ)音識(shí)別系統(tǒng)不適合移動(dòng)應(yīng)用或以電池為電源的系統(tǒng)。

　　語(yǔ)音識(shí)別系統(tǒng)的應(yīng)用領(lǐng)域

　　語(yǔ)音識(shí)別系統(tǒng)：

　　語(yǔ)音識(shí)別技術(shù)的應(yīng)用可以分為兩個(gè)發(fā)展方向：一個(gè)方向是大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)，主要應(yīng)用于計(jì)算機(jī)的聽(tīng)寫(xiě)機(jī)，以及與電話(huà)網(wǎng)或者互聯(lián)網(wǎng)相結(jié)合的語(yǔ)音信息查詢(xún)服務(wù)系統(tǒng)，這些系統(tǒng)都是在計(jì)算機(jī)平臺(tái)上實(shí)現(xiàn)的；另外一個(gè)重要的發(fā)展方向是小型化、便攜式語(yǔ)音產(chǎn)品的應(yīng)用，如無(wú)線手機(jī)上的撥號(hào)、汽車(chē)設(shè)備的語(yǔ)音控制、智能玩具、家電遙控等方面的應(yīng)用，這些應(yīng)用系統(tǒng)大都使用專(zhuān)門(mén)的硬件系統(tǒng)實(shí)現(xiàn)，特別是近幾年來(lái)迅速發(fā)展的語(yǔ)音信號(hào)處理專(zhuān)用芯片（Application Specific Integrated Circuit，ASIC）和語(yǔ)音識(shí)別片上系統(tǒng)（System on Chip，SOC）的出現(xiàn)。

　　語(yǔ)音識(shí)別系統(tǒng)的應(yīng)用領(lǐng)域：

　　語(yǔ)音識(shí)別系統(tǒng)應(yīng)用領(lǐng)域之：電話(huà)通信的語(yǔ)音撥號(hào)

　　特別是在中、高檔移動(dòng)電話(huà)上，現(xiàn)已普遍的具有語(yǔ)音撥號(hào)的功能。隨著語(yǔ)音識(shí)別芯片的價(jià)格降低，普通電話(huà)上也將具備語(yǔ)音撥號(hào)的功能。

　　語(yǔ)音識(shí)別系統(tǒng)應(yīng)用領(lǐng)域之：汽車(chē)的語(yǔ)音控制

　　由于在汽車(chē)的行駛過(guò)程中，駕駛員的手必須放在方向盤(pán)上，因此在汽車(chē)上撥打電話(huà)，需要使用具有語(yǔ)音撥號(hào)功能的免提電話(huà)通信方式。此外，對(duì)汽車(chē)的衛(wèi)星導(dǎo)航定位系統(tǒng)（GPS）的操作，汽車(chē)空調(diào)、照明以及音響等設(shè)備的操作，同樣也可以由語(yǔ)音來(lái)方便的控制。

　　語(yǔ)音識(shí)別系統(tǒng)應(yīng)用領(lǐng)域之：工業(yè)控制及醫(yī)療領(lǐng)域

　　當(dāng)操作人員的眼或手已經(jīng)被占用的情況下，在增加控制操作時(shí)，最好的辦法就是增加人與機(jī)器的語(yǔ)音交互界面。由語(yǔ)音對(duì)機(jī)器發(fā)出命令，機(jī)器用語(yǔ)音做出應(yīng)答。

　　語(yǔ)音識(shí)別系統(tǒng)應(yīng)用領(lǐng)域之：個(gè)人數(shù)字助理

　　個(gè)人數(shù)字助理（Personal Digital Assistant，PDA）的語(yǔ)音交互界面。PDA的體積很小，人機(jī)界面一直是其應(yīng)用和技術(shù)的瓶頸之一。由于在PDA上使用鍵盤(pán)非常不便，因此，現(xiàn)多采用手寫(xiě)體識(shí)別的方法輸入和查詢(xún)信息。但是，這種方法仍然讓用戶(hù)感到很不方便?，F(xiàn)在業(yè)界一致認(rèn)為，PDA的最佳人機(jī)交互界面是以語(yǔ)音作為傳輸介質(zhì)的交互方法，并且已有少量應(yīng)用。隨著語(yǔ)音識(shí)別技術(shù)的提高，可以預(yù)見(jiàn)，在不久的將來(lái)，語(yǔ)音將成為PDA主要的人機(jī)交互界面。

　　語(yǔ)音識(shí)別系統(tǒng)應(yīng)用領(lǐng)域之：智能玩具

　　通過(guò)語(yǔ)音識(shí)別技術(shù)，我們可以與智能娃娃對(duì)話(huà)，可以用語(yǔ)音對(duì)玩具發(fā)出命令，讓其完成一些簡(jiǎn)單的任務(wù)，甚至可以制造具有語(yǔ)音鎖功能的電子看門(mén)狗。智能玩具有很大的市場(chǎng)潛力，而其關(guān)鍵在于降低語(yǔ)音芯片的價(jià)格。

　　語(yǔ)音識(shí)別系統(tǒng)應(yīng)用領(lǐng)域之：家電遙控

　　用語(yǔ)音可以控制電視機(jī)、VCD、空調(diào)、電扇、窗簾的操作，而且一個(gè)遙控器就可以把家中的電器皆用語(yǔ)音控起來(lái)，這樣，可以讓令人頭疼的各種電器的操作變得簡(jiǎn)單易行。

　　除了上文中所提到的應(yīng)用以外，語(yǔ)音識(shí)別專(zhuān)用芯片在其他方面的應(yīng)用可以說(shuō)是不勝枚舉。隨著語(yǔ)音識(shí)別專(zhuān)用芯片的技術(shù)不斷提高，將給人們帶來(lái)極大的方便。