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