連續語音識別，是指針對連續音頻流（即來自說話人直接錄入的語音，或者電話或其他音視頻領域的音頻信號）進行識別，將音頻信息自動轉化成文字。
基本介紹
- 中文名：連續語音識別
- 外文名：Continuous speech recognition
- 類型：計算機科學
- 學科：跨學科
- 性質：識別
- 套用：人機互動
介紹,方法,套用,
介紹
語音識別是人機互動的一項關鍵技術，在過去的幾十年里取得了飛速的進展。傳統的聲學建模方式基於隱馬爾科夫框架，採用混合高斯模型( Gaussian mixturemodel，GMM) 來描述語音聲學特徵的機率分布．由於隱馬爾科夫模型屬於典型的淺層學習結構，僅含單個將原始輸入信號轉換到特定問題空間特徵的簡單結構，在海量數據下其性能受到限制。
連續語音識別，是指針對連續音頻流（即來自說話人直接錄入的語音，或者電話或其他音視頻領域的音頻信號）進行識別，將音頻信息自動轉化成文字。在輸入的聲音中，檢測出可靠的語音，排除靜音、背景噪聲、音樂等，判斷男女，實時送入語音識別解碼器進行識別。
方法
1、隱式馬爾科夫模型
隱馬爾科夫模型是一種統計模型，它用來描述 1 個含有隱含未知參數的馬爾科夫過程，廣泛運用於語音識別中。1系統首先由大量的文字生成語音模型，然後提取聲學特徵，經過 Viterbi解碼得到識別結果。
2、基於卷積神經網路的方法
卷積神經網路通過卷積器對局部特徵進行分析，通過聚合層加強抽取出來的特徵魯棒性，最後通過全網路層建立模型得到最後的分類結果。卷積神經網路通過卷積層對局部特徵進行觀察，再經過全網路層的信息整合最終得到輸出機率，相比深層神經網路具有更好的物理意義。
套用
1、在安全領域，相關部門結合相關業務提出了相應的需求；在教育領域，大人群的國語水平測試與口語評估迫切需要客觀的、自動的評估技術；
2、在電信領域，國內外語音識別技術和部門進入了中國市場；
3、在手機、汽車導航等嵌入式市場，對語音識別技術需求也日益增長；
4、在人機互動領域，語音伴侶、移動終端的語音搜尋等得到廣泛的套用。
因此，語音識別技術作為非常重要的人機互動的技術，有著非常廣闊的前景。
