语音识别技术的研究难点以及未来发展方向
2019-12-25 10:00:29爱云资讯
目前,语音识别研究工作进展缓慢,困难具体表现在:
(1)输入无法标准统一,比如各地方言的差异,每个人独有的发音习惯等,如下图所示,口腔中元音随着舌头部位的不同可以发出多种音调,如果组合变化多端的辅音,可以产生大量的、相似的发音,这对语音识别提出了挑战。除去口音参差不齐,输入设备不统一也导致了语音输入的不标准。
(2)噪声的困扰,噪声环境的各类声源处理是目前公认的技术难题,机器无法从各层次的背景噪音中分辨出人声,而且,背景噪声千差万别,训练的情况也不能完全匹配真实环境。因而,语音识别在噪声中比在安静的环境下要难得多。
目前主流的技术思路是,通过算法提升降低误差。首先,在收集的原始语音中,提取抗噪性较高的语音特征。然后,在模型训练的时候,结合噪声处理算法训练语音模型,使模型在噪声环境里的鲁棒性较高。最后,在语音解码的过程中进行多重选择,从而提高语音识别在噪声环境中的准确率。完全消除噪声的干扰,目前而言,还停留在理论层面。
(3)模型的有效性,识别系统中的语言模型、词法模型在大词汇量、连续语音识别中还不能完全正确的发挥作用,需要有效地结合语言学、心理学及生理学等其他学科的知识。并且,语音识别系统从实验室演示系统向商品的转化过程中还有许多具体细节技术问题需要解决。
许多用户已经能享受到语音识别技术带来的方便,比如智能手机的语音操作等。但是,这与实现真正的人机交流还有相当遥远的距离。目前,计算机对用户语音的识别程度不高,人机交互上还存在一定的问题,智能语音识别系统技术还有很长的一段路要走,必须取得突破性的进展,才能做到更好的商业应用,这也是未来语音识别技术的发展方向。
在语音识别的商业化落地中,需要内容、算法等各个方面的协同支撑,但是良好的用户体验是商业应用的第一要素,而识别算法是提升用户体验的核心因素。目前语音识别在智能家居、智能车载、智能客服机器人方面有广泛的应用,未来将会深入到学习、生活、工作的各个环节。许多科幻片中的场景正在逐步走入我们的平常生活。
- 说话秒变笔记!讯飞语记能“连续语音识别速记”
- 出门问问联合发布全球最大多领域中文语音识别数据集WenetSpeech
- 从语音识别到AI拍摄,骁龙人工智能算力覆盖手机体验方方面面
- AI助手查余额,思必驰语音识别支持10多种方言
- 197亿美元现金!微软宣布收购语音识别巨头Nuance
- 谷歌发布新一代定向人声分离系统,2.2MB模型提升设备端语音识别
- 小米MIUI新增字幕模式,语音识别更加懂你
- 用人工智能打通K12语音识别市场,「先声智能」实力加码在线教育细分赛道
- 讯飞智能键盘首发离线语音识别,颠覆你对键盘的所有想象
- 讯飞输入法安排上了AI语音新引擎 树立语音识别新标杆
- AI赋能新版搜狗输入法:语音识别支持9种语言,多种外语键盘一键切换
- 支持语音识别游戏指令!腾讯黑鲨游戏手机3全新JOYUI系统迎来全面升级
- 讯飞输入法安卓V9.1.9575 大幅提升武汉话语音识别准确率
- 灵云语音识别:给你便捷生活、高效工作新体验
- 用科技的力量打赢防控战“疫”,芯灵科技推出语音识别智慧电梯系统
- 智能时代下并不是所有的语音识别方案都能成功