语音识别的技术原理及语音识别系统的分类
（文章来源：远场语音识别研究中心）
语言交流是人类一种天然的沟通模式。从儿童时代开始我们对语言的相关学习都是自发的，语言交流始终贯穿于我们的生活。它是那么的自然以至于我们根本没有发现这是一种多么复杂的现象。人类的声道和发音器官，是具有非线性特征的生物器官，不仅仅运行在有意识的控制下，而且受到性别及其成长因素情绪状态的影响。
因此，声音会因为他们的口音、发音、清晰度、体积、速度等有着大幅的变动。人类希望能与机器进一步沟通，从而方便生产与生活，而在语音信号的传输过程中，我们不规则的语言行为方式会被背景噪声和回声，以及电特性（如话筒等电子设备）进一步扭曲。这一切可变性的声音来源语音识别更加繁琐复杂。
语音识别是一个多层模式识别任务。声音信号经过考察，结构分为一个层次词根单位（例如，音素）、词、短语、句子。每一层可提供额外的时间限制，例如，已经被认知的单词发音或法律上的单词序列，可以弥补错误或把不确定性降到较低水平。限制的最好方法是在所有较低的层次中利用概率相结合的决策，而只在最高层次中使用离散决策。
语音识别系统根据对说话人说话方式的要求，可以分为孤立词语音识别系统、连接字语音识别系统和连续语音识别系统；根据对说话人的依赖程度，可以分为特定人和非特定人语音识别系统；根据词汇量大小，可分为小词汇量、中等词汇量、大词汇量以及无限词汇量语音识别系统。不同的语音识别系统。虽然具体实现细节有所不同，但所采用的基本技术相似。一个典型的语音识别系统除了要选取适当的语音识别单元之外，还需要特征参数技术提取、系统建模、模型训练和模式匹配这三方面的技术。
语音识别系统也可以分成一个前端和一个后端。其中，前段处理音频流，从而分隔可能发声的声音阶段，并将它们转换成一系列能够表示数值。后端是一个专用的搜索引擎，它获取前端产生的输出并跨以下三个数据库进行搜索：一个发音模型、一个语言模型和一个词典。发音模型表示一种语言的发音声音，可通过训练来识别某个特定用户的语音模式和发音环境的特征。语言模型表示一种语言的单词如何合并。词典列出语言的大量单词，以及关于每个单词如何发音的信息。
5G的助力VR迎来功能和应用的进一步升级，产业发展迎来新机遇
倍加福光通讯DAD15助力智慧物流运输
如何使用Arduino从乐高玩具中创建一个盒子
五分钟看完克莱斯勒300C C-NCAP碰撞测试全过程
神级DIY：戴上快乐的智能帽
语音识别的技术原理及语音识别系统的分类
【智慧工厂园区能源管理控制集成系统】
鸿蒙系统或将打破美国的技术垄断
在电动汽车行业中锂电池均衡仪能起到哪些作用?
实用的栅网式防盗报警器的制作,NE555 Burglar alarm
苹果WWDC 2021将于6月7-11日举行
鸿蒙推箱子小游戏：UI界面美化
元器件的封装形式有哪些？
人工智能和加密货币发展迅速，将使GPU一直处于供应短缺的状态
模数转换器时钟优化：测试工程观点
教你如何用万用表判断电解电容的正负极
Type-C与手机接口的往事
导热凝胶的特色有哪些，来看看
虹科分享|datalocker的USB端点安全保护
我国山东寿光与芯恩合作关于特色功率芯片和高端微控制器技术路线
语言交流是人类一种天然的沟通模式。从儿童时代开始我们对语言的相关学习都是自发的，语言交流始终贯穿于我们的生活。它是那么的自然以至于我们根本没有发现这是一种多么复杂的现象。人类的声道和发音器官，是具有非线性特征的生物器官，不仅仅运行在有意识的控制下，而且受到性别及其成长因素情绪状态的影响。
因此，声音会因为他们的口音、发音、清晰度、体积、速度等有着大幅的变动。人类希望能与机器进一步沟通，从而方便生产与生活，而在语音信号的传输过程中，我们不规则的语言行为方式会被背景噪声和回声，以及电特性（如话筒等电子设备）进一步扭曲。这一切可变性的声音来源语音识别更加繁琐复杂。
语音识别是一个多层模式识别任务。声音信号经过考察，结构分为一个层次词根单位（例如，音素）、词、短语、句子。每一层可提供额外的时间限制，例如，已经被认知的单词发音或法律上的单词序列，可以弥补错误或把不确定性降到较低水平。限制的最好方法是在所有较低的层次中利用概率相结合的决策，而只在最高层次中使用离散决策。
语音识别系统根据对说话人说话方式的要求，可以分为孤立词语音识别系统、连接字语音识别系统和连续语音识别系统；根据对说话人的依赖程度，可以分为特定人和非特定人语音识别系统；根据词汇量大小，可分为小词汇量、中等词汇量、大词汇量以及无限词汇量语音识别系统。不同的语音识别系统。虽然具体实现细节有所不同，但所采用的基本技术相似。一个典型的语音识别系统除了要选取适当的语音识别单元之外，还需要特征参数技术提取、系统建模、模型训练和模式匹配这三方面的技术。
语音识别系统也可以分成一个前端和一个后端。其中，前段处理音频流，从而分隔可能发声的声音阶段，并将它们转换成一系列能够表示数值。后端是一个专用的搜索引擎，它获取前端产生的输出并跨以下三个数据库进行搜索：一个发音模型、一个语言模型和一个词典。发音模型表示一种语言的发音声音，可通过训练来识别某个特定用户的语音模式和发音环境的特征。语言模型表示一种语言的单词如何合并。词典列出语言的大量单词，以及关于每个单词如何发音的信息。
5G的助力VR迎来功能和应用的进一步升级，产业发展迎来新机遇
倍加福光通讯DAD15助力智慧物流运输
如何使用Arduino从乐高玩具中创建一个盒子
五分钟看完克莱斯勒300C C-NCAP碰撞测试全过程
神级DIY：戴上快乐的智能帽
语音识别的技术原理及语音识别系统的分类
【智慧工厂园区能源管理控制集成系统】
鸿蒙系统或将打破美国的技术垄断
在电动汽车行业中锂电池均衡仪能起到哪些作用?
实用的栅网式防盗报警器的制作,NE555 Burglar alarm
苹果WWDC 2021将于6月7-11日举行
鸿蒙推箱子小游戏：UI界面美化
元器件的封装形式有哪些？
人工智能和加密货币发展迅速，将使GPU一直处于供应短缺的状态
模数转换器时钟优化：测试工程观点
教你如何用万用表判断电解电容的正负极
Type-C与手机接口的往事
导热凝胶的特色有哪些，来看看
虹科分享|datalocker的USB端点安全保护
我国山东寿光与芯恩合作关于特色功率芯片和高端微控制器技术路线