**语音识别**，或称为语音转文本，是机器或程序识别口语并将其转换为可读文本的能力。基础的语音识别软件词汇有限，可能只能识别清晰发音的单词和短语。更复杂的软件可以处理自然语言、不同的口音和多种语言。
语音识别结合了计算机科学、语言学和计算机工程等多个领域的研究。许多现代设备和以文本为中心的程序都集成了语音识别功能，以便于更轻松或免提地使用设备。它们与文本转语音系统不同，后者分析文本内容并将其转换为口语音频。
语音识别和声音识别是两种不同的技术，不应混淆。
- 语音识别用于识别口语中的单词。
- 声音识别是一种生物识别技术，用于识别个体的声音。
语音识别是如何工作的？
语音识别系统使用计算机算法来处理和解释口语，并将其转换为文本。软件程序将麦克风记录的声音转化为计算机和人类可以理解的书面语言，遵循以下四个步骤：
- 分析音频。
- 将其分解为部分。
- 将其数字化为计算机可读格式。
- 使用算法将其匹配到最合适的文本表示。
语音识别软件必须适应人类语言的高度变化和特定上下文的性质。处理和组织音频为文本的软件算法经过不同语音模式、说话风格、语言、方言、口音和措辞的训练。该软件还将口语音频与常伴随信号的背景噪声分开。
为了满足这些要求，语音识别系统使用两种类型的模型：
- 声学模型。这些模型表示语言单位与音频信号之间的关系。
- 语言模型。在这里，声音与单词序列匹配，以区分听起来相似的单词。
语音识别过程包括多个步骤，将口语转换为数字数据和可读文本。
语音识别的类型
语音识别软件可以是依赖说话者或独立于说话者的：
- 依赖说话者。这些平台可以实现更高的精度，尽管牺牲了灵活性。最初，它们必须由将使用该软件的个人进行训练。这使得系统能够识别用户独特的语音模式，并不断提高输出的准确性。这种类型的语音识别软件最适合用于听写和转录。
- 独立于说话者。任何人都可以使用这些系统。它们将口头命令和查询与通用语音模式的数据库进行匹配。这些平台更具灵活性——例如语音转文本搜索或互动语音响应——但更容易产生不准确的输出。
语音识别数据有三种类型。每种类型对应于输入方式。
- 受控。这是脚本化的语音，例如常用命令的菜单，软件能够识别不同发音和口音的这些命令。例如，“关掉灯”的命令。
- 半受控。这是基于场景的数据，提供了以稍微不同的方式表达的查询和命令。例如，您可以用不同的措辞询问到特定地点的方向：“告诉我怎么去咖啡店”或“给我咖啡店的方向”或“告诉我去咖啡店的路”。与受控数据相比，它在响应之前需要更强大的内容分析。
- 自然。这是非脚本化的对话式语音，例如在电话通话中使用的语音。它需要最复杂的算法和处理资源才能正确呈现。
哪些应用使用语音识别？
语音识别系统有很多应用：
- 移动设备。智能手机使用语音命令进行呼叫路由、语音转文本处理、语音拨号和语音搜索。用户可以在不查看设备的情况下回复文本。例如，在苹果iPhone上，语音识别为键盘和虚拟助手Siri提供动力。该功能在次要语言中也可用。语音识别还可以在文字处理应用程序中找到，例如Microsoft Word，用户可以口述单词以转化为文本。
- 教育。语音识别软件用于语言教学。软件可以听到用户的语音，并提供发音帮助。这些系统对有听力障碍或神经发育差异的学生非常有用。
- 客户服务。自动语音助手，例如客户服务聊天机器人或亚马逊Alexa，听取客户查询并将其引导到常见资源。有些系统提供预设选项菜单，而其他系统则邀请客户说明他们需要解决的问题。相反，语音识别软件可以用于转录客户与代理的对话，这些对话可以单独或汇总分析，以识别情感和趋势。
- 医疗应用。医疗服务提供者使用语音识别软件将笔记转录到患者的医疗记录中，这可以显著减轻临床文档的负担。在医疗领域，准确性至关重要，因为错误的语音转文本输出可能导致用药错误或错误诊断。
- 金融服务。银行客户通过与客户应用程序（例如呼叫中心或客户关系管理系统）进行对话，使用智能手机或在分行进行交易。该系统可能需要通过声音识别元素学习和验证用户的声音。
- 残疾辅助。语音识别软件使用闭合字幕或字幕将口语翻译为文本，以使听力受损的人能够理解他人所说的话。语音识别还可以使手部活动有限的人通过语音命令而非打字与计算机进行工作，从而更高效地浏览复杂的系统和工作流程。
- 法庭记录。软件可用于转录法庭程序，增强或替代人工转录员。
- 听写。语音识别系统允许说话者对着麦克风讲话并进行逐字转录。当与生成性人工智能结合时，数字通信和内容创作可以快速高效地实时进行。
- 情感识别。这项技术分析声音特征，以确定说话者的情感。结合情感分析，这可以揭示某人对产品、服务、公司或其他实体的看法。
- 免提通信。驾驶员使用语音控制来管理电话功能、音乐和GPS导航等任务，而无需触碰移动设备或车辆控制面板。
虚拟助手使用语音识别与用户沟通并识别语音命令以执行各种任务。
语音识别系统的特点是什么？
好的语音识别程序允许用户根据需要进行定制。使其能够实现这一点的功能包括以下组件：
- 语言加权。此功能告诉算法特别关注某些单词，例如那些频繁说出或对谈话或主题独特的单词。例如，软件可以训练以监听特定产品的引用。
- 声学训练。语音识别软件过滤掉污染口语音频数据的环境噪声。具有声学训练的软件程序能够在许多人在办公室说话的喧闹中区分说话者的风格、语速和音量。
- 说话者标记。此功能使程序能够标记个别参与者并识别他们在对话中的具体贡献。
- 脏话过滤。软件过滤掉不良和冒犯性语言。
- 管理偏见。语音识别系统不断增强，以识别更广泛的口音和语言，以确保公平，提供更大的技术访问性，并消除偏见。
- 数据保护。在用户说出个人身份信息时——例如出生日期、社会安全号码、帐户号码或电话号码——转换的数据通过数据加密进行保护。这有助于确保遵守诸如欧盟通用数据保护条例和健康保险流通与问责法案等法规。
语音识别技术的应用与其他基于人工智能的技术的比较。
不同的语音识别算法是什么？
语音识别功能的强大来自一组算法和技术。它们包括：
- 隐马尔可夫模型。HMM用于自主系统，其中状态部分可观察或所有做出决策所需的信息并不立即可用，例如在语音识别中使用的麦克风。一个例子是在声学建模中，程序必须使用统计概率将语言单位与音频信号匹配。
- 自然语言处理。NLP简化并加速了语音识别过程。
- N-gram。这种简单的语言模型方法为序列创建概率分布。一个例子是算法查看最后几个说出的话，估算语音样本的历史，并利用这些信息确定下一个单词或短语的概率。
- 人工智能。AI和机器学习方法（如深度学习和神经网络）在先进的语音识别软件中很常见。这些系统使用音频和语音信号的语法、结构、句法和组成来处理语音。机器学习系统随着每次使用而获得知识，使其非常适合处理口音等细微差别。
语音识别的优势
使用语音识别软件有几个优点：
- 机器与人类的沟通。语音识别技术使电子设备能够以自然语言或对话式语音与人类沟通。
- 易于获取。该软件通常安装在计算机和移动设备上，使其易于访问。
- 易于使用。设计良好的软件操作简单，通常在后台运行。
- 持续、自动改进。结合AI的语音识别系统随着时间的推移变得更有效且更易于使用。随着系统完成语音识别任务，它们生成关于人类语言的更多数据，并在其工作中变得更好。
语音识别的缺点
尽管方便，语音识别技术仍然存在一些局限性：
- 不一致的性能。由于发音的变化、对某些语言的支持不足以及无法筛选背景噪声，系统可能无法准确捕捉单词。环境噪声尤其具有挑战性。声学训练可以帮助过滤掉噪声，但这些程序并不完美。有时，无法隔离人声。
- 速度。有些语音识别程序需要时间来部署和掌握。语音处理可能感觉相对缓慢。
- 源音频文件问题。语音识别的成功不仅依赖于软件，还依赖于录音设备。
语音识别的发展与未来
语音识别是一项不断发展的技术。它是人们与计算机进行少量或不打字沟通的方式之一。各种基于通信的商业应用利用了这一技术所带来的口语沟通的便利性和速度。
在语音识别的早期，主要的限制因素是计算机处理速度和内存大小。虽然在1980年代开发和测试了HMM等算法，但计算机的性能不足以处理计算密集型的自动语音识别（ASR）。随着微处理器、云计算和ASR技术的增强自动化的出现，这些限制已不复存在。
NLP和大型语言模型的持续发展——通过AI、机器学习和神经网络增强——显著提高了ASR的性能。多种语言、口音和独特的语音特征，加上更快的转换速度，使语音识别成为一种越来越有价值和可行的工具。
在60年的发展中，语音识别程序取得了巨大的进步，并仍在不断改进。像OpenAI的ChatGPT这样先进的生成性AI系统的广泛采用，可能会与语音识别技术紧密交织在一起。
AI正在以多种方式改变语音识别技术。了解最新的基于AI的语音识别趋势和用例。
此内容最后更新于2024年11月
