中兴押宝语音识别：语音识别能否成为主流交互方式？

2014-12-24 11:22

　语音识别，一个离我们生活很近又很远的技术。近，是因为很多地方都可以看到语音识别的身影；而远，则是我们虽然知道有这项功能，但基于其使用方式和体验我们并没有经常使用这项技术。对于这种不算新兴的交互方式，未来能否能为主流？

首款全语音操控手机“星星二号”

　　重拾对语音识别技术的关注还要来源于一条新闻，报道中说：即将过去的一年，对于中兴终端而言是痛并快乐着。海外市场风生水起，全美市场占有量排名第四，并在预付费市场跻身至第二名。与其相反，国内市场则继续萎靡不振，市场占有量跌出前五，中兴终端陷入内外失衡发展的尴尬。在这个手机终端硬件技术更新迅速的年代，指纹识别，双双摄像头等纷纷成为厂家的主打卖点，而中兴却创新乏力，因此中兴押宝语音技术赌未来。也发布了新战略下的首款全语音操控手机“星星二号”。据中兴通讯介绍，“星星二号”整机手机专利数有1000多件，遍及外观设计、底层核心、软件应用等各方面，其中在语音技术方面就有158件独创专利。中兴能否靠语音识别技术扭转颓势？能否让语音识别成为主流？

　　什么是语音识别技术？

　　语音识别技术，也被称为自动语音识别（英语：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。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。通俗的来讲，语音识别技术就是能使计算机“听懂“人类的语言，然后根据其义来执行相应的命令，从而实现为人类服务。

　　语音识别如何实现？

　　语音识别系统选择识别基元的要求是，有准确的定义，能得到足够数据进行训练，具有一般性。英语通常采用上下文相关的音素建模，汉语的协同发音不如英语严重，可以采用音节建模。系统所需的训练数据大小与模型复杂度有关。模型设计得过于复杂以至于超出了所提供的训练数据的能力，会使得性能急剧下降。

　　听写机：大词汇量、非特定人、连续语音识别系统通常称为听写机。其架构就是建立在前述声学模型和语言模型基础上的HMM拓扑结构。训练时对每个基元用前向后向算法获得模型参数，识别时，将基元串接成词，词间加上静音模型并引入语言模型作为词间转移概率，形成循环结构，用Viterbi算法进行解码。针对汉语易于分割的特点，先进行分割再对每一段进行解码，是用以提高效率的一个简化方法。

　　对话系统：用于实现人机口语对话的系统称为对话系统。受目前技术所限，对话系统往往是面向一个狭窄领域、词汇量有限的系统，其题材有旅游查询、订票、数据库检索等等。其前端是一个语音识别器，识别产生的N-best候选或词候选网格，由语法分析器进行分析获取语义信息，再由对话管理器确定应答信息，由语音合成器输出。由于目前的系统往往词汇量有限，也可以用提取关键词的方法来获取语义信息。

1 2 下一页>