#頭條創作挑戰賽#
今天給大家介紹一下關于語音識别相關的知識，希望對大家有所幫助！
1、什麼是語音
語音指的是人類通過發聲器官發出來具有一定意義、用來溝通交流的聲音。
計算機中語音存儲：以波形檔案的方式存儲，通過波形反映語音的變化，進而可以擷取音強、音長等參數資訊。
音域參數：傅利葉譜、梅爾頻率到譜系數，主要用來提取語音内容以及音色的差别，用來更進一步辨識語音資訊。
2、什麼是語音識别
語音識别簡單來說就是把語音内容自動轉換為文字的過程，是人與機器互動的一種技術。
涉及領域：聲學、人工智能、數字信号處理、心理學等方面。
語音識别的輸入：對一段聲音檔案進行播放的序列。
語音識别的輸出：輸出的結果是一段文本序列。
3、語音識别的原理
語音識别需要經過特征提取、聲學模型、語音模型、語音解碼和搜尋算法四個部分。
特征提取：把要分析的信号從最原始信号提取出來，這個階段主要是對語音的幅度标準化、頻響校正、分幀、加窗、始末端點檢測等預處理操作，為聲學模型提供需要特征向量。
聲學模型：依靠聲學模型進行語音參數分析（語音共振峰頻率、幅度等）和對語音的線性預測參數進行分析。
語言模型：根據相關語言學理論，計算出聲音片段可能詞組序列的機率。
語音解碼和搜尋算法：根據聲學模型+發音詞典+語音模型建構的搜尋空間，找到最合适的路徑。解碼完成後最終輸出文本。
4、語音識别系統的組成
一個完整的語音識别系統包括：預處理、特征提取、聲學模型訓練、語言模型訓練、語音解碼器。
4.1 預處理
對輸入的原始聲音信号進行處理，過濾掉其中的背景噪音、非重要資訊，還要對找到語音信号的開始和結束、語音分幀、提升高頻部分的信号等操作。
4.2 特征提取
最常用的特征提取方法為梅爾頓到譜系數(MFCC),因為它擁有良好的抗噪性和健壯性。
4.3 聲學模型訓練
根據懸念語音庫的特征參數訓練出聲學模型參數，進而可以在識别時與聲學模型進行比對得到相應結果。目前主流語音識别系統一般都會采用HMM進行聲學模型模組化。
4.4 語言模型訓練
用來預測哪個詞序列正确的可能性更大。
4.5 語音解碼器
解碼器也就是語音識别技術中的識别過程，根據輸入的語音信号，然後和訓練好的HMM聲學模型、語言模型、發音字典建立一個搜尋空間，根據搜尋算法找到最合适的路徑。進而找到最合适的詞串。
5、語音識别的使用場景
語音識别在日常生活中使用非常廣泛主要分為封閉式和開放式應用。
封閉式應用：主要指針對特定控制指令的應用。
比如常見的有智能家居比如通過語音指令控制燈開關、熱水器開關溫度調節、打開空調等，大大豐富了我們日常的生活；
開放式應用：開放式主要是廠商提供語音識别服務，一般會公有雲或者私有雲的方式部署提供對應的SDK，讓使用服務的客戶進行語音識别服務的調用。
常見的場景有輸入法、會議字幕實時輸出、視訊剪輯字幕配置等場景。