文章摘要：語音識別的本質(zhì)是一種基于語音特征參數(shù)的模式識別，即通過學習，系統(tǒng)能夠把輸入的語音按一定模式進行分類，進而依據(jù)判定準則找出最佳匹配結果。

什么是語音識別技術？

語音識別的本質(zhì)是一種基于語音特征參數(shù)的模式識別，即通過學習，系統(tǒng)能夠把輸入的語音按一定模式進行分類，進而依據(jù)判定準則找出最佳匹配結果。

目前，模式匹配原理已經(jīng)被應用于大多數(shù)語音識別系統(tǒng)中。一般的模式識別包括預處理，特征提取，模式匹配等基本模塊。首先對輸入語音進行預處理，其中預處理包括分幀，加窗，預加重等。其次是特征提取，因此選擇合適的特征參數(shù)尤為重要。常用的特征參數(shù)包括：基音周期，共振峰，短時平均能量或幅度，線性預測系數(shù)（LPC），感知加權預測系數(shù)（PLP），短時平均過零率，線性預測倒譜系數(shù)（LPCC），自相關函數(shù)，梅爾倒譜系數(shù)（MFCC），小波變換系數(shù)，經(jīng)驗模態(tài)分解系數(shù)（EMD），伽馬通濾波器系數(shù)（GFCC）等。在進行實際識別時，要對測試語音按訓練過程產(chǎn)生模板，最后根據(jù)失真判決準則進行識別。

語音識別，以目前的主流ASR-自動語音/語言識別技術為例，實現(xiàn)的功能是把音頻波形（模擬信號）轉(zhuǎn)換為文字（符號）。其原理可以理解為一個計算機系統(tǒng)，輸入語音，并分解為詞、字、音節(jié)等元素，通過與軟件內(nèi)部存儲好的特征元素（模型）進行模式匹配，找到最可能接近的文字、詞語或語句并輸出。

沃豐科技ASR語音識別系統(tǒng)功能優(yōu)勢

場景化識別

基于transformer結構+self-attention機制的端到端語音識別模型，采用數(shù)萬小時行業(yè)精標數(shù)據(jù)，結合知識庫、FAQ等信息，重現(xiàn)對話情景，自動讓機器人在場景化領域做識別

多樣化信息

定制化場景豐富的識別結果輸出，不僅能夠輸出one-best結果，同時輸出n-best多候選以及音素，為自然語言理解提供豐富多樣化信息

可讀易懂

采用大規(guī)?？头υ挃?shù)據(jù)，基于深度學習的方法，對語音內(nèi)容理解并進行智能斷句，讓結果更可讀與可懂

準確率領先

基于上下文語義，采用大數(shù)據(jù)分析，對內(nèi)容實時動態(tài)糾錯，自動過濾敏感詞等；提供自定義聲學以及語言模型優(yōu)化

沃豐科技ASR語音識別系統(tǒng)采用國際前沿的端到端語音語義一體化建模算法，將語音快速準確識別為文字，支持一句話識別、語音內(nèi)容分析、機器人對話、智能質(zhì)檢等多個場景。

》》免費試用/預約演示——智能語音識別，優(yōu)勢一試便知

相關詞條推薦：ASR語音識別 | 語音識別技術 | 語音識別質(zhì)檢

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來源：http://www.yzny.net.cn/ucm/faq/36650