從這一篇開始，陸續學習語音識別技術，由淺入深。
這一篇是入門，主要學習的是語音識別技術的大致步驟，以及現在的幾種主流方法。
下圖是語音識別技術的系統框圖：
主要包括這樣幾個步驟：
1）預處理。對輸入語音頻號進行預加重和分幀加窗等處理，過濾其中不重要資訊及背景雜訊，進行端點檢測，以確定有效的語音段；
2）特徵提取。常見的特徵引數有基於時域的幅度、過零率、能量，以及基於頻域的線性**倒譜係數（lpcc）、mel倒譜係數（mfcc）等；
3）模式匹配。
目前已有幾種主流的語音識別技術：
1）動態時間規整（dtw）技術。採用動態規整法，並結合時間變換關係，得到特徵向量之間的距離，是語音識別中的一種經典演算法。dtw技術比較容易實現，但是不能充分利用語音頻號的時序特性和動態特徵，因此適合用於孤立詞、小詞彙等相對簡單的漢語語音識別系統。
2）隱馬爾可夫模型（hmm）技術。hmm用馬爾科夫鏈中的狀態表示語音的發音過程，在單字生成過程中，系統由乙個狀態轉移到另乙個狀態，在每個狀態下產生乙個輸出，直至該單字輸出完畢。hmm用馬爾科夫鏈來模擬訊號的變化過程，在通過序列間接地描述這種變化，因此它是乙個雙重隨機過程，因而能很好地描述語音頻號的總體非平穩性和短時平穩性。
hmm需要對當前的狀態序列分布作先驗假設；對高層次聲學音素建模能力弱，使聲學上相似詞容易混淆；hmm語音識別系統用硬體實現起來比較困難。
3）人工神經網路（ann）技術。訓練時間長。
現有語音識別的難點：
1）識別效能依賴周圍環境。當訓練環境和測試環境不一樣時，效果變差；
2）雜訊問題。如何去噪；
3）語音資訊的模糊性。讀音相似的詞語，同音不同意思的詞語，如何識別。
參考：《基於隱馬爾可夫模型的額語音識別技術研究》
語音識別技術
中科院聲學所將為奧運會提供語音技術支援 日前，由首信集團 首都資訊發展股份 牽頭 中科院聲學所參與其核心模組研製的 奧運會多語言服務 系統被北京奧組委正式採用。這標誌著聲學所在利用自身科研優勢 積極為 科技奧運 做貢獻方面取得了新的成果。從2002年開始，聲學所就參與了由科技部和北京市科委組織，北京...
語音識別技術
雖然人從外部獲取資訊，絕大部分來自來自視覺，可是語音的地位一直很高的，它很好的表表達了人的特徵和清晰的收入方式。其中語音識別技術的地位又是很高的，可以讓機器在字面上明白你在說什麼，這是自然的人機互動的基礎。現在走在語音識別技術前沿的公司有科大訊飛，google 微軟。在我們的前面幾篇 blog 中已...
語音識別技術概覽
語音識別基本和識別類似，都是從傳統的模型到深度神經網路dnn，再到rnn 深度卷積網路cnn。在端到端方面也是從隱馬爾科夫hmm到ctc lfmmi，再到attention方面 下面是一些模型列表 1.混合高斯 隱馬爾科夫模型 gmm hmm 2.深度神經網路 隱馬爾科夫模型 dnn hmm 3.深...