- 首頁
- 產(chǎn)品百科
- 語音識別
語音識別技術(shù)簡介
2019/11/17 16:52:33 查看:1138
語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說話人識別及說話人確認(rèn)不同，后者嘗試識別或確認(rèn)發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。
語音識別的工作模式
音識別一般來說具有兩種工作模式：識別模式和命令模式。語音識別程序的實(shí)現(xiàn)也會根據(jù)兩種模式的不同而采用不同類型的程序。識別模式的工作原理是：引擎系統(tǒng)在后臺直接給出一個(gè)詞庫和識別模板庫，任何系統(tǒng)都不需要再進(jìn)一 步對識別語法進(jìn)行改動，只需要根據(jù)識別引擎提供的主程序源代碼進(jìn)行改寫就可以了。命令模式相對來說實(shí)現(xiàn)起來比較困難，詞典必須要由程序員自己編寫，然后再進(jìn)行編程，后還要根據(jù)語音詞典進(jìn)行處理和更正。識別模式與命令模式大的不同就是，程序員要根據(jù)詞典內(nèi)容進(jìn)行代碼的核對與修改。
語音識別環(huán)境設(shè)置
一般語音識別程序的環(huán)境設(shè)置步驟包括CTI服務(wù)器硬件默認(rèn)參數(shù)采集與設(shè)定，識別硬件采集卡初始化，引擎端口設(shè)置等幾個(gè)部分。
1、CTI 服務(wù)器設(shè)置。
應(yīng)用程序的所有工作都是根據(jù)CTI技術(shù)（Computer Telephone Integration）來工作的， 語音硬件平臺默認(rèn)設(shè)定 CTI 服務(wù)器。
2、語音采集系統(tǒng)的初始化。
語音識別的平臺會通過判斷是否已經(jīng)輸入語音來進(jìn)行工作，那么獲得語音就需要語音采集系統(tǒng)了。為了采集和輸出，我們一般采用語音卡作為工具。工作時(shí)，打開語音卡內(nèi)自帶的板卡，然后在程序中加入?yún)?shù)就可以運(yùn)行了。
3、引擎端口設(shè)置。語音開發(fā)平臺已對硬件API接口函數(shù)進(jìn)行提供， 因此只需對函數(shù)進(jìn)行調(diào)用和賦值即可。
語音字典的編譯
語音字典的設(shè)置包括語法、識別語音的規(guī)則、語音模板制作等內(nèi)容，根據(jù)語音平臺的規(guī)則來進(jìn)行。在語音字典設(shè)置時(shí)，首先要設(shè)置語音識別核心包，再根據(jù)自己編譯的語音的規(guī)則來完成字典的全部設(shè)置。
編制識別主程序
在編譯語音識別程序的后階段，程序員需要為主程序編寫GUI(Graphical User Interface) 界面，以便于用戶與計(jì)算機(jī)進(jìn)行交互操作。
