我國智能家居發(fā)展迅速 語音識(shí)別技術(shù)或成關(guān)鍵

• 2017年9月8日 YaoEnHua來源：九正建材網(wǎng) 272 10
• 繁體

隨著智能家居市場(chǎng)的擴(kuò)大，應(yīng)用語音識(shí)別的產(chǎn)品和場(chǎng)景越來越多，同時(shí)也是對(duì)它的一個(gè)挑戰(zhàn)。如果連準(zhǔn)確性都無法保證的話，那么人機(jī)交互也無從談起。

作為一名媒體從業(yè)者，小編在工作中少不得要和錄音筆打交道，有時(shí)還要親自帶著錄音筆去采訪。雖說有了錄音筆，讓采訪過程的記錄更為輕松，但回到公司，面對(duì)動(dòng)輒四五十分鐘的錄音，小編常常欲哭無淚。也正是因?yàn)檫@種體驗(yàn)，所以小編一直對(duì)語音識(shí)別技術(shù)的發(fā)展較為關(guān)注。

語音識(shí)別的終極夢(mèng)想，是真正能夠理解人類語言甚至是方言環(huán)境的系統(tǒng)。但幾十年來，人們并沒有一個(gè)有效的策略來創(chuàng)建這樣一個(gè)系統(tǒng)，直到人工智能技術(shù)的爆發(fā)。

在過去幾年中，人們?cè)谌斯ぶ悄芎蜕疃葘W(xué)習(xí)領(lǐng)域的突破，讓語音識(shí)別的探索跨了一大步。

技術(shù)原理

所謂語音識(shí)別，就是將一段語音信號(hào)轉(zhuǎn)換成相對(duì)應(yīng)的文本信息，系統(tǒng)主要包含特征提取、聲學(xué)模型，語言模型以及字典與解碼四大部分，其中為了更有效地提取特征往往還需要對(duì)所采集到的聲音信號(hào)進(jìn)行濾波、分幀等預(yù)處理工作，把要分析的信號(hào)從原始信號(hào)中提取出來;之后，特征提取工作將聲音信號(hào)從時(shí)域轉(zhuǎn)換到頻域，為聲學(xué)模型提供合適的特征向量;聲學(xué)模型中再根據(jù)聲學(xué)特性計(jì)算每一個(gè)特征向量在聲學(xué)特征上的得分;而語言模型則根據(jù)語言學(xué)相關(guān)的理論，計(jì)算該聲音信號(hào)對(duì)應(yīng)可能詞組序列的概率;最后根據(jù)已有的字典，對(duì)詞組序列進(jìn)行解碼，得到最后可能的文本表示。

作為語音識(shí)別的前提與基礎(chǔ)，語音信號(hào)的預(yù)處理過程至關(guān)重要。在最終進(jìn)行模板匹配的時(shí)候，是將輸入語音信號(hào)的特征參數(shù)同模板庫中的特征參數(shù)進(jìn)行對(duì)比，因此，只有在預(yù)處理階段得到能夠表征語音信號(hào)本質(zhì)特征的特征參數(shù)，才能夠?qū)⑦@些特征參數(shù)進(jìn)行匹配進(jìn)行識(shí)別率高的語音識(shí)別。若果讓小編用一句話來進(jìn)行總結(jié)就是：對(duì)語音識(shí)別來說，給它足夠的數(shù)據(jù)量進(jìn)行學(xué)習(xí)是關(guān)鍵。

應(yīng)用案例

近日，搜狗召開發(fā)布會(huì)，正式推出其自研的速記神器——搜狗聽寫。這是一款能夠?qū)⒄Z音實(shí)時(shí)轉(zhuǎn)變成文字的速記工具，擁有轉(zhuǎn)寫和聽寫兩種模式，主要面向文字工作者。

搜狗語音交互技術(shù)中心總經(jīng)理王硯峰表示，搜狗聽寫中涉及到了大量前沿技術(shù)，例如大規(guī)模的優(yōu)質(zhì)語音數(shù)據(jù)訓(xùn)練和深度學(xué)習(xí)的技術(shù)能力積累等，不僅可應(yīng)用于多個(gè)場(chǎng)景，其語音識(shí)別準(zhǔn)確率也高達(dá)97%以上。搜狗聽寫可提供兩種服務(wù)，語音轉(zhuǎn)寫和語音聽寫。此外，它還同時(shí)具備了邊聽邊改、無線標(biāo)重點(diǎn)、多端同步、信息分享等多個(gè)功能。

微軟公司近日宣布，其對(duì)話式語音識(shí)別系統(tǒng)的出錯(cuò)率達(dá)到5.1%，創(chuàng)下目前為止的最低水平，超過了去年微軟人工智能及研究事業(yè)部一組研究人員所實(shí)現(xiàn)的5.9%出錯(cuò)率，達(dá)到了專業(yè)速錄員的同等水平。在此次研究中，專業(yè)速錄員具備重復(fù)收聽錄音等優(yōu)勢(shì)。

與此同時(shí)，市面上玲瑯滿目的產(chǎn)品也反映了這種飛躍式發(fā)展，例如亞馬遜Echo、蘋果Siri等等。

語音識(shí)別成關(guān)鍵

在智能家居，不管是智能家電還是機(jī)器人，語音識(shí)別技術(shù)都是必備的基本功能之一。據(jù)知名市場(chǎng)調(diào)研公司MarketsAndMarkets發(fā)布的調(diào)查報(bào)告稱，全球智能家居市場(chǎng)規(guī)模將在2022年達(dá)到1220億美元，2016-2022年年均增長率預(yù)測(cè)為14%。而在機(jī)器人方面，研究機(jī)構(gòu)IDC預(yù)測(cè)，至2020年，全球機(jī)器人與相關(guān)服務(wù)市場(chǎng)規(guī)模將由2016年的915億美元增至1880億美元。從這兩點(diǎn)數(shù)據(jù)來看，可想而知未來智能家居的市場(chǎng)之大。

在控制方式上，除了部分智能家電之外，語音控制已經(jīng)成為了市場(chǎng)的主流，而這就是語音識(shí)別市場(chǎng)的商機(jī)。未來，作為人機(jī)自然交互的前提之一，語音識(shí)別必然是智能家居的發(fā)展趨勢(shì)，只有語音識(shí)別的準(zhǔn)確率接近完美，人機(jī)的自然交互才能繼續(xù)開展。在智能家居市場(chǎng)的推動(dòng)下，語音識(shí)別技術(shù)必將成為重點(diǎn)發(fā)展對(duì)象。

三大挑戰(zhàn)

首先就是對(duì)象識(shí)別的準(zhǔn)確性?，F(xiàn)在，在應(yīng)用上，我們看見語音識(shí)別多是在智能家居領(lǐng)域，包括智能家電和服務(wù)機(jī)器人。此時(shí)，我們就要考慮一個(gè)問題了，當(dāng)多個(gè)家庭成員同時(shí)講話時(shí)，智能家電和服務(wù)機(jī)器人該執(zhí)行誰的命令呢?它們又如何能在眾聲音中找出自己主人的命令?這些都是當(dāng)前語音識(shí)別所需要解決的問題，畢竟我們通常所說的語音識(shí)別不僅僅只是單純的對(duì)語音內(nèi)容進(jìn)行識(shí)別。

第二個(gè)必須解決的問題是語言擴(kuò)展：世界上大約有7000種語言，絕大多數(shù)語音識(shí)別系統(tǒng)能夠支持的語言數(shù)量大約是八十種。擴(kuò)展系統(tǒng)帶來了巨大的挑戰(zhàn)。此外，我們?nèi)鄙僭S多語言的數(shù)據(jù)，而且匱乏數(shù)據(jù)資源則難以創(chuàng)建語音識(shí)別系統(tǒng)。

還要降低周邊環(huán)境的干擾。對(duì)于人類來講，在嘈雜環(huán)境中聽別人說話或是從眾多聲音中找出自己想聽的內(nèi)容還是一件較為簡單的事，而與此相反，這件事在機(jī)器這里并沒有那么容易。

編者總結(jié)

隨著智能家居市場(chǎng)的擴(kuò)大，應(yīng)用語音識(shí)別的產(chǎn)品和場(chǎng)景越來越多，同時(shí)也是對(duì)它的一個(gè)挑戰(zhàn)。如果連準(zhǔn)確性都無法保證的話，那么人機(jī)交互也無從談起。語音識(shí)別技術(shù)在2017年前半年發(fā)展足夠迅速，至于未來會(huì)如何，讓我們拭目以待吧!

延伸閱讀

推薦閱讀

猜您喜歡