什么是自动语音识别？

全文共2019字，预计学习时长6分钟

来源：dy.163

 

Siri 、Alexa 等虚拟助手的出现，让自动语音识别系统得到了更广泛的运用与发展。

自动语音识别(ASR)是一种将口语转换为文本的过程。该技术正在不断应用于即时通讯应用程序、搜索引擎、车载系统和家庭自动化中。

 

尽管所有这些系统都依赖于略有不同的技术流程，但这些所有系统的第一步都是相同的：捕获语音数据并将其转换为机器可读的文本。

 

但 ASR 系统如何工作？它如何学会辨别语音？

 

本文将简要介绍自动语音识别。我们将研究语音转换成文本的过程、如何构建ASR 系统以及未来对ASR技术的期望。

 

那么，我们开始吧！

 

ASR 系统：它们如何运作？

 

因此，从基础层面来看，我们知道自动语音识别看起来如下：

 

音频数据输入，文本数据输出。

 

但是，从输入到输出，音频数据需要变成机器可读的数据。这意味着数据通过声学模型和语言模型进行发送。这两个过程是这样的：

 

声学模型确定了语言中音频信号和语音单位之