三分钟科普 | 语音识别是如何发生的？

导语：语音识别已运用于日常生活中的多种场景，那么语音识别是什么？语音识别是如何发生的？语音识别能为我们的生活提供什么帮助呢？本篇文章带你一探究竟。

🔎 语音识别是什么？ 

        语音识别主要指语音转文本，是一项综合语言学、数学和统计学的技术，通过机器识别，可将人类语音转化为文本形式。为达到最自然、最精确的效果，语音识别常结合人工智能算法（AI）和机器学习算法（ML）来分析语法、句法、句子结构、语音组成和声音信号，使机器更好地理解及处理人类语音。 在实际工作中，不同项目有不同的语音识别要求，因此需要选用相应功能来提高识别率，语音识别的常见功能包括： 

• 语言权重：对特定场景中可能使用更频繁的特定词语（如产品或品牌名称、行业术语）与更常用的表达进行权重计算，从而提高系统准确性；

• 说话人标记：尤其适用于多人说话的场景，将每位说话者进行单独标记，从而更容易识别谁说了什么；

• 声学训练：确保系统能够适应对话过程中可能出现的外部声音（例如阵风、交通噪音、咳嗽），从而降低对文字识别的干扰；

• 脏话过滤：顾名思义，使用过滤器来清除不文明用语。

🔎 语音识别过程是如何发生的？

        语音识别包括：语音输入、特征提取、特征向量、解码器和单词输出。简单来说，语音识别器利用算法通过以下步骤将口语转化为文本： 

步骤一：系统分析音频；

步骤二：将音频分解为多个部分；

步骤三：将音频数字化为计算机可读格式；

步骤四：使用算法将音频与最合适的文本表示相匹配。 

        其中步骤四由解码器完成，解码器利用声学模型、发音词典和语言模型来确定适当的输出。 语音识别的质量基于转化准确率来衡量，发音、口音、音高、音量、背景噪音等因素都有可能增加错误率，因此必须添加声学和语言模型： 声学模型：用以表示语音和音频信号的语言单位之间的关系。语言模型：将语音与单词序列相匹配，以区分发音相似的单词。 因此，AI和ML通过各种算法或计算技术将语音识别为文本，以帮助提高系统准确性。最常见的技术包括：自然语言处理（NLP）、隐马尔可夫模型、n元文法、神经网络、声纹分割聚类。

🔎 语音识别常用场景？

汽车：较新的车型中往往有多种声控导航工具，允许驾驶员在不转移视线或不用手的情况下改变导航系统等方面，从而提高整体道路安全性； 

客户服务：虚拟助理越来越常见，如在电话中为客户提供帮助； 

日常技术：例如我们智能手机或其他设备上使用的虚拟助理（如 Siri 和 Alexa）； 

教育：使用语音识别来加强与发音相关的语言教学； 

情绪识别：通过对声音特征的分析确定某人试图传达的具体情绪。情绪识别与情绪分析结合时尤其有用，能帮助我们了解客户对某种产品或服务的感受； 

免提通信：类似于汽车语音辨识的用途，也可以进一步提升，如无需接听智能手机即可接听电话； 

安全性：基于语音的身份验证可确保日常活动中的安全。

总结

         语音识别可以带来许多好处，但要使语音识别效果好，需要收集大量高质量的培训数据，数据多样性也很重要哦！

        特别说明：本文编译自 TAUS 官网，原文标题“What is Speech Recognition and how to do it?”，部分内容有改动。

编译：冯春霈

本文来源于微信公众号“翻译技术教育与研究”、微信公众号“语言服务行业”，致力于语言服务行业资讯、洞察、洞见~ 关注我们，了解更多精彩内容~