張 巍，賈玉輝，張志楠

（中國(guó)海洋大學(xué)信息科學(xué)與工程學(xué)院，山東 青島 266100）

語(yǔ)音識(shí)別始于1950年代初，當(dāng)時(shí)，貝爾實(shí)驗(yàn)室的Davis等人研究成功了第一個(gè)可識(shí)別10個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)-Adudry。1980年代末，美國(guó)卡內(nèi)基·梅隆大學(xué)用VQ/HMM方法實(shí)現(xiàn)了世界上第一個(gè)高性能的非特定人、大字表、連續(xù)語(yǔ)音識(shí)別系統(tǒng)—SPHINX［1］。在此期間語(yǔ)音識(shí)別處于實(shí)驗(yàn)室研究階段，市場(chǎng)上沒有成型的產(chǎn)品。直到1990年代初，隨著在系統(tǒng)的自適應(yīng)性、參數(shù)提取及優(yōu)化等技術(shù)上取得了一些關(guān)鍵性的進(jìn)展，語(yǔ)音識(shí)別技術(shù)進(jìn)一步成熟，并開始向市場(chǎng)提供產(chǎn)品［2］。從此語(yǔ)音識(shí)別開始從實(shí)驗(yàn)室逐步走向?qū)嵱谩２⑶?，在一些?yīng)用領(lǐng)域，它正迅速地成為一個(gè)關(guān)鍵的、而且具有競(jìng)爭(zhēng)力的技術(shù)。

從產(chǎn)品的實(shí)現(xiàn)平臺(tái)上來(lái)看，當(dāng)前市場(chǎng)上的語(yǔ)音識(shí)別系統(tǒng)主要分為3種：嵌入式的語(yǔ)音識(shí)別系統(tǒng)、服務(wù)器模式的語(yǔ)音識(shí)別系統(tǒng)及云計(jì)算模式的語(yǔ)音識(shí)別系統(tǒng)。嵌入式語(yǔ)音識(shí)別系統(tǒng)［3］是指應(yīng)用各種先進(jìn)的的微處理器在板級(jí)或是芯片級(jí)用軟件或硬件實(shí)現(xiàn)語(yǔ)音識(shí)別技術(shù)。由于嵌入式平臺(tái)存儲(chǔ)資源少、性能低、實(shí)時(shí)性要求高，嵌入式語(yǔ)音識(shí)別系統(tǒng)只適合做算法要求相對(duì)簡(jiǎn)單，對(duì)資源的需求較少的語(yǔ)音識(shí)別，比如中小詞匯量的命令詞識(shí)別等。在服務(wù)器模式的語(yǔ)音識(shí)別系統(tǒng)中，終端只負(fù)責(zé)收集和傳導(dǎo)語(yǔ)音信號(hào)，由服務(wù)器負(fù)責(zé)完成識(shí)別。這種模式可以做高性能的大詞匯量連續(xù)語(yǔ)音識(shí)別。并且對(duì)于大規(guī)模、多用戶和有大量識(shí)別需求的系統(tǒng)，服務(wù)器模式提供了較為有效的解決方法。在一般情況下，服務(wù)器都選擇價(jià)格昂貴的巨型機(jī)或者大型機(jī)來(lái)充當(dāng)，當(dāng)用戶訪問量較少時(shí)，傳統(tǒng)的服務(wù)器模式，完全可以應(yīng)對(duì)。但隨著用戶訪問量的增加，所需服務(wù)器數(shù)量也會(huì)相應(yīng)增加，在這種情況下，公司的運(yùn)營(yíng)成本就會(huì)急劇攀升。隨著服務(wù)器數(shù)量的增加，服務(wù)器的管理就會(huì)變得非常復(fù)雜，并且服務(wù)器數(shù)目擴(kuò)充到一定數(shù)目，就可能會(huì)達(dá)到性能瓶頸，使得單純的增加服務(wù)器，對(duì)系統(tǒng)性能提升收效甚微。云計(jì)算模式的語(yǔ)音識(shí)別系統(tǒng)和服務(wù)器模式的語(yǔ)音識(shí)別系統(tǒng)類似，主要是有云端負(fù)責(zé)完成識(shí)別。相對(duì)于傳統(tǒng)的服務(wù)器架構(gòu)，云［4］具有更好的擴(kuò)展性，成本更加低廉，并且可以具有超大規(guī)模，給用戶提供前所未有的計(jì)算能力。且不難得知，用來(lái)學(xué)習(xí)、訓(xùn)練的樣本數(shù)據(jù)集越大，語(yǔ)音識(shí)別系統(tǒng)的性能越好。這就需要解決大數(shù)據(jù)存儲(chǔ)及處理的問題。而云計(jì)算恰好能很好的解決這2個(gè)問題。云計(jì)算技術(shù)和語(yǔ)音識(shí)別相融合是1種新的趨勢(shì)。但現(xiàn)在基于云計(jì)算的語(yǔ)音識(shí)別技術(shù)正處于發(fā)展初期，技術(shù)仍未成熟，并且市場(chǎng)上的產(chǎn)品只提供面向通用領(lǐng)域的語(yǔ)音識(shí)別服務(wù)。無(wú)法對(duì)語(yǔ)音識(shí)別服務(wù)進(jìn)行定制。

由上可知，嵌入式的語(yǔ)音識(shí)別系統(tǒng)功能極其簡(jiǎn)單，并且應(yīng)用范圍較窄；服務(wù)器模式的語(yǔ)音識(shí)別系統(tǒng)能提供較為復(fù)雜的功能，且可以應(yīng)對(duì)較多用戶的請(qǐng)求，但面對(duì)海量用戶請(qǐng)求卻無(wú)能為力；云計(jì)算模式的語(yǔ)音識(shí)別系統(tǒng)可以應(yīng)對(duì)海量用戶請(qǐng)求，且可以利用海量用戶數(shù)據(jù)優(yōu)化語(yǔ)音識(shí)別系統(tǒng)的性能，但由于其尚處于發(fā)展初期，基于云的語(yǔ)音識(shí)別服務(wù)提供商尚未提供可定制的語(yǔ)音識(shí)別服務(wù)，他們的語(yǔ)音識(shí)別模型不能按照用戶的需求而更改，用戶不可根據(jù)自己的實(shí)際情況對(duì)語(yǔ)音識(shí)別模型進(jìn)行定制。如果模型可以定制，就可以提供針對(duì)特定領(lǐng)域的語(yǔ)音識(shí)別服務(wù)，而無(wú)需關(guān)注其他領(lǐng)域，顯然這樣更容易獲取高識(shí)別率，更容易滿足特定用戶。針對(duì)以上情形，本文提出了1種面向特定領(lǐng)域的云計(jì)算方法，并簡(jiǎn)單實(shí)現(xiàn)了1個(gè)云計(jì)算架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)（Speech Recognition System Based on Cloud Computing，SRSCC），可以對(duì)這些領(lǐng)域的用戶提供可定制的語(yǔ)音識(shí)別服務(wù)，滿足用戶的個(gè)性化需求，改善用戶的使用體驗(yàn)。

本文首先研究了MapReduce模型，并給出了語(yǔ)音識(shí)別的MapReduce流程。然后通過使用開源的流式MapReduce工具-Sector/Sphere［6－8］及主要用于語(yǔ)音識(shí)別研究的HTK［9］工具包，實(shí)現(xiàn)了語(yǔ)音識(shí)別技術(shù)與云計(jì)算技術(shù)的融合，即SRSCC系統(tǒng)。并在此基礎(chǔ)之上，給出了語(yǔ)音識(shí)別的可定制性方法，使得該系統(tǒng)能為特定領(lǐng)域的用戶提供可定制的服務(wù)。最后，通過實(shí)驗(yàn)評(píng)估了系統(tǒng)的性能及系統(tǒng)的可擴(kuò)展性。

1 MapReduce編程模型

1.1 模型介紹

MapReduce［5］是 Google提出的1個(gè)編程模型，主要用于大規(guī)模數(shù)據(jù)的并行運(yùn)算，通過將MapReduce模型應(yīng)用到語(yǔ)音識(shí)別系統(tǒng)，能加快系統(tǒng)對(duì)用戶請(qǐng)求的處理速度。MapReduce是1種處理大規(guī)模數(shù)據(jù)集的編程模型，同時(shí)它也是1種高效的任務(wù)調(diào)度模型，它主要有“Map（映射）”和“Reduce（化簡(jiǎn)）”2個(gè)過程組成，這2個(gè)過程構(gòu)成了運(yùn)算基本單元［10－11］。Map函數(shù)用來(lái)指定對(duì)各分塊數(shù)據(jù)的每一個(gè)元素所進(jìn)行的操作，而reduce函數(shù)用來(lái)對(duì)各分塊數(shù)據(jù)處理的中間結(jié)果進(jìn)行歸約。用戶在設(shè)計(jì)分布式程序時(shí)，只要實(shí)現(xiàn)map和reduce 2個(gè)函數(shù)，至于其他細(xì)節(jié)，比如如何將輸入的數(shù)據(jù)分塊、任務(wù)調(diào)度、機(jī)器容錯(cuò)以及節(jié)點(diǎn)間通信的管理等，都可交由MapReduce框架處理。

MapReduce模型具有具有極強(qiáng)的容錯(cuò)性。集群中的每個(gè)worker節(jié)點(diǎn)會(huì)周期性的把完成的工作及狀態(tài)的更新報(bào)告發(fā)給master節(jié)點(diǎn)，如果1個(gè)worker節(jié)點(diǎn)保持沉默超過1個(gè)預(yù)設(shè)的時(shí)間間隔，master節(jié)點(diǎn)就會(huì)把這個(gè)節(jié)點(diǎn)的狀態(tài)改為死亡，并把該worker節(jié)點(diǎn)上執(zhí)行的程序及數(shù)據(jù)遷移到其他worker節(jié)點(diǎn)上重新執(zhí)行。而當(dāng)master節(jié)點(diǎn)出錯(cuò)時(shí)，可以根據(jù)最近的1個(gè)檢查點(diǎn)重新選擇1個(gè)節(jié)點(diǎn)作為master，并由此檢查點(diǎn)位置繼續(xù)運(yùn)行。

1.2 語(yǔ)音識(shí)別的MapReduce過程

隨著語(yǔ)音識(shí)別技術(shù)的廣泛應(yīng)用，語(yǔ)音識(shí)別必然會(huì)面臨海量請(qǐng)求所帶來(lái)的挑戰(zhàn)。比如面對(duì)億萬(wàn)用戶的請(qǐng)求如何更快的進(jìn)行處理、響應(yīng)；如何存儲(chǔ)海量用戶數(shù)據(jù)；如何使語(yǔ)音識(shí)別模型能處理更大的訓(xùn)練集，以獲得更高的識(shí)別率等等。MapReduce是1個(gè)可靠地容易進(jìn)行編程操作的大數(shù)據(jù)并行計(jì)算模型。如果把MapReduce模型應(yīng)用到語(yǔ)音識(shí)別上面，則可以輕松應(yīng)對(duì)這些挑戰(zhàn)。

圖1給出了語(yǔ)音識(shí)別的1種MapReduce處理過程，圖中的wav11是用戶一上傳的第一個(gè)語(yǔ)音文件，wav12是用戶一上傳的第二個(gè)語(yǔ)音文件，result11和result22分別是2個(gè)語(yǔ)音文件對(duì)應(yīng)的識(shí)別結(jié)果，user1是用戶一，其他的雷同。這個(gè)處理過程顯示的是不同用戶上傳文件，通過MapReduce過程，生成該用戶所上傳語(yǔ)音的結(jié)果集，然后把這個(gè)結(jié)果集返給用戶。單個(gè)語(yǔ)音的識(shí)別結(jié)果在映射這一環(huán)節(jié)得出，然后在化簡(jiǎn)環(huán)節(jié)，按照語(yǔ)音文件識(shí)別結(jié)果所對(duì)應(yīng)的用戶進(jìn)行規(guī)約，最終得到各個(gè)用戶所上傳語(yǔ)音的識(shí)別結(jié)果集。

圖1 語(yǔ)音識(shí)別的MapReduce處理過程Fig.1 MapReduce process of speech recognition

2 SRSCC語(yǔ)音識(shí)別系統(tǒng)

2.1 系統(tǒng)組成

SRSCC云端系統(tǒng)架構(gòu)主要包括3個(gè)部分：安全服務(wù)器、管理服務(wù)器、及奴隸節(jié)點(diǎn)。安全服務(wù)器主要負(fù)責(zé)維護(hù)用戶賬號(hào)、密碼、以及對(duì)每個(gè)文件或目錄的操作權(quán)限等。它也維護(hù)了1個(gè)IP地址列表，用來(lái)指出哪些奴隸節(jié)點(diǎn)可以加入系統(tǒng)，從而使非法節(jié)點(diǎn)無(wú)法訪問和干擾系統(tǒng)，保證整個(gè)系統(tǒng)的安全性。管理服務(wù)器主要主要負(fù)責(zé)維護(hù)存儲(chǔ)文件的元數(shù)據(jù)以及控制所有奴隸節(jié)點(diǎn)的運(yùn)行并且對(duì)用戶的請(qǐng)求作出響應(yīng)。管理服務(wù)器可以直接與安全服務(wù)器進(jìn)行通信，從而驗(yàn)證奴隸節(jié)點(diǎn)和用戶的合法性。奴隸節(jié)點(diǎn)上部署有語(yǔ)音識(shí)別環(huán)境，用戶上傳的錄音文件存儲(chǔ)在奴隸節(jié)點(diǎn)上，并且奴隸節(jié)點(diǎn)負(fù)責(zé)識(shí)別這些文件，生成識(shí)別結(jié)果。

2.2 語(yǔ)音識(shí)別的Sphere處理流程

Sphere被用來(lái)設(shè)計(jì)執(zhí)行用戶自定義函數(shù)。這些函數(shù)并行的以1種流的方式來(lái)處理Sector管理的數(shù)據(jù)。這意味著同一個(gè)用戶自定義函數(shù)會(huì)應(yīng)用到1個(gè)數(shù)據(jù)集的每一個(gè)數(shù)據(jù)記錄。這個(gè)過程是并行的，并且對(duì)數(shù)據(jù)集的每一段數(shù)據(jù)記錄的處理是獨(dú)立完成的（假若有足夠的處理器可以用）。

圖2 語(yǔ)音識(shí)別的Sphere計(jì)算范式Fig.2 Computing paradigm of speech recognition

語(yǔ)音識(shí)別的Sphere計(jì)算范式見圖2，識(shí)別請(qǐng)求和Sphere客戶端進(jìn)行通信，Sphere客戶端首先收集有關(guān)輸入流的信息，包括總的大小，文件的數(shù)目等等。其次Sphere客戶端通過尋找和處理函數(shù)同名的動(dòng)態(tài)鏈接庫(kù)文件的方式定位所需服務(wù)的提供者，或者SPEs（Sphere Process Engines，SPE數(shù)據(jù)處理邏輯單位，可以處理1個(gè)數(shù)據(jù)段，1組數(shù)據(jù)或者整個(gè)文件）。語(yǔ)音識(shí)別的動(dòng)態(tài)鏈接庫(kù)文件也存放在Sector系統(tǒng)中?；谶@些信息，Sphere客戶端把輸入流分割成數(shù)據(jù)段（本文中整個(gè)語(yǔ)音文件作為1個(gè)數(shù)據(jù)段來(lái)處理）。通常情況下數(shù)據(jù)段的數(shù)目要遠(yuǎn)大于SPEs的數(shù)目。在開始的作業(yè)中，給每一個(gè)SPE分配1個(gè)數(shù)據(jù)段并開始進(jìn)行處理。一旦處理過程完成，得出結(jié)果，再給這個(gè)SPE分配一個(gè)新的數(shù)據(jù)片段來(lái)處理。這個(gè)結(jié)果流（輸出數(shù)據(jù)）或者返回給用戶，或者寫入存放在Sector的文件中，等待進(jìn)行下一步處理。

2.3 SRSCC系統(tǒng)整體架構(gòu)

在該系統(tǒng)中，用戶不與云端服務(wù)器直接交互，由Sphere客戶端充當(dāng)中間媒介。當(dāng)錄好音生成的文件上傳到客戶端時(shí)，該客戶端就會(huì)登錄到Sector/Sphere云，把文件交予云端服務(wù)器的slave節(jié)點(diǎn)處理。雖然當(dāng)用戶較少時(shí)，該架構(gòu)顯得有點(diǎn)繁瑣，但用戶訪問量較大時(shí)，它就會(huì)發(fā)揮出高效的性能。在master的管理下，云客戶端直接與slave進(jìn)行交互，上傳數(shù)據(jù)。SRSCC語(yǔ)音識(shí)別系統(tǒng)整體架構(gòu)流程圖見圖3。

3 可定制性實(shí)現(xiàn)

3.1 語(yǔ)音識(shí)別的可定制性

圖3 CCSR系統(tǒng)架構(gòu)流程圖Fig.3 Architecture flowchart of CCSR system

所謂可定制性是指用戶可根據(jù)自身的需求，來(lái)定制自己所需要的產(chǎn)品和服務(wù)，以滿足自己的個(gè)性化需要。比如軟件的可定制性就是指可根據(jù)用戶的具體情況，具體要求來(lái)設(shè)計(jì)軟件系統(tǒng)，提供相應(yīng)服務(wù)。而語(yǔ)音識(shí)別的可定制性，在這里是指，用戶可以根據(jù)自己的實(shí)際需要來(lái)定制語(yǔ)音識(shí)別模型。通用的語(yǔ)音識(shí)別器，例如Google的語(yǔ)音搜索，用戶只能用來(lái)做識(shí)別，而不可能更改它的語(yǔ)言模型（Language Model）和聲學(xué)模型（Acoustic Model）。但可定制的語(yǔ)音識(shí)別器，可以更改語(yǔ)音模型和聲學(xué)模型。比如一些特定領(lǐng)域的用戶，只需使用自己特定領(lǐng)域的語(yǔ)音來(lái)進(jìn)行訓(xùn)練，無(wú)需關(guān)注其他領(lǐng)域的語(yǔ)音。這樣可使語(yǔ)音識(shí)別模型的生成變得更加簡(jiǎn)單和高效。并且在一般情況下比通用領(lǐng)域的語(yǔ)音識(shí)別識(shí)別模型具有更高的識(shí)別率。先前做過1個(gè)實(shí)驗(yàn)。只針對(duì)菜名進(jìn)行訓(xùn)練，得到1個(gè)只識(shí)別菜名的模型。經(jīng)過測(cè)試發(fā)現(xiàn)，這個(gè)只面向菜名的語(yǔ)音識(shí)別器對(duì)菜名語(yǔ)音的識(shí)別正確率為87%，而Google語(yǔ)音搜索對(duì)菜名的識(shí)別正確率只有44%。

3.2 實(shí)現(xiàn)方法

針對(duì)有特殊需求，需要定制語(yǔ)音識(shí)別模型的用戶，本文在Sector系統(tǒng)中為其創(chuàng)建對(duì)應(yīng)的文件夾，以存放用戶自己的語(yǔ)音識(shí)別模型?？梢酝ㄟ^以下2個(gè)途徑來(lái)實(shí)現(xiàn)語(yǔ)音識(shí)別模型的可定制性。一是用戶可以自己上傳語(yǔ)音識(shí)別模型到指定的文件夾下。由于本系統(tǒng)的語(yǔ)音識(shí)別環(huán)境是用HTK搭建的，而使用HTK生成語(yǔ)音識(shí)別模型有相對(duì)統(tǒng)一的規(guī)范。所以用戶可以使用HTK來(lái)錄制自己本領(lǐng)域的錄音訓(xùn)練樣本，并訓(xùn)練生成用來(lái)做語(yǔ)音識(shí)別的隱馬爾科夫模型，然后上傳到云端。當(dāng)用戶進(jìn)行語(yǔ)音識(shí)別時(shí)，云端可根據(jù)用戶的IP地址找到其對(duì)應(yīng)文件夾下的語(yǔ)音識(shí)別模型進(jìn)行識(shí)別。二是用戶可以指定自己語(yǔ)音識(shí)別模型的識(shí)別范圍。當(dāng)使用語(yǔ)音識(shí)別模型進(jìn)行識(shí)別時(shí)只針對(duì)識(shí)別范圍內(nèi)的語(yǔ)音進(jìn)行加強(qiáng)，從而逐步達(dá)到用戶對(duì)特定領(lǐng)域語(yǔ)音進(jìn)行識(shí)別的要求。

4 實(shí)驗(yàn)評(píng)估

實(shí)驗(yàn)室先前實(shí)現(xiàn)了1個(gè)C/S架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)。下面做了2個(gè)實(shí)驗(yàn)，一個(gè)是云架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)和傳統(tǒng)的C/S架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)進(jìn)行對(duì)比，證明云架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)在用戶請(qǐng)求數(shù)較大時(shí)有更好的表現(xiàn)；另一個(gè)是云架構(gòu)語(yǔ)音識(shí)別系統(tǒng)內(nèi)的對(duì)比，通過運(yùn)行不同的slave節(jié)點(diǎn)數(shù)，證明云架構(gòu)語(yǔ)音識(shí)別系統(tǒng)具有一定的可擴(kuò)展性。由于錄音環(huán)節(jié)，會(huì)花費(fèi)大量時(shí)間，且在錄音的過程中，云端和服務(wù)端都處于閑置狀態(tài)，而本實(shí)驗(yàn)的主要目的是測(cè)試云端和服務(wù)端的性能。所以為了使云端和服務(wù)端一直運(yùn)行，達(dá)到性能極限，本實(shí)驗(yàn)去掉了錄音環(huán)節(jié)，改為直接上傳已經(jīng)錄好的語(yǔ)音文件。

4.1 實(shí)驗(yàn)環(huán)境

為了驗(yàn)證SRSCC語(yǔ)音識(shí)別系統(tǒng)性能，本文選擇了4臺(tái)一般的PC機(jī)搭建了1個(gè)較小的Sector/Sphere云計(jì)算平臺(tái)，詳細(xì)配置見表1。

由表1可知，集群中部署了1個(gè)Security Server節(jié)點(diǎn)，1個(gè)Master節(jié)點(diǎn)，11個(gè)slave節(jié)點(diǎn)。對(duì)于C/S架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)的服務(wù)器，本文選擇配置最高的PC1來(lái)充當(dāng)。

表1 Sector/Sphere集群環(huán)境Table1 Sector/sphere cluster environment

4.2 性能對(duì)比

本實(shí)驗(yàn)主要對(duì)SRSCC語(yǔ)音識(shí)別系統(tǒng)和傳統(tǒng)的C/S架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)進(jìn)行對(duì)比。所用實(shí)驗(yàn)數(shù)據(jù)為實(shí)驗(yàn)室人員錄制的12 000個(gè)菜名錄音文件。實(shí)驗(yàn)場(chǎng)景為每個(gè)系統(tǒng)有10個(gè)用戶連續(xù)上傳錄音文件，系統(tǒng)對(duì)錄音文件進(jìn)行處理，然后返回結(jié)果。通過改變用戶上傳的文件數(shù)量，來(lái)得到每個(gè)系統(tǒng)對(duì)不同數(shù)目請(qǐng)求的時(shí)間變化趨勢(shì)。然后對(duì)這種趨勢(shì)進(jìn)行對(duì)比，得出最終結(jié)論，具體結(jié)果見圖4。圖中橫軸為每個(gè)用戶上傳的文件數(shù)，縱軸為總的處理時(shí)間（從上傳第一個(gè)文件，到最后一個(gè)文件返回結(jié)果）。TRA代表傳統(tǒng)C/S架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)，NCC代表云計(jì)算架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)，即SRSCC語(yǔ)音識(shí)別系統(tǒng)。由圖可知，雖然剛開始用戶請(qǐng)求量較少時(shí)兩者所用時(shí)間相差不大，但SRSCC語(yǔ)音識(shí)別系統(tǒng)的處理時(shí)間增長(zhǎng)速率要低于傳統(tǒng)服務(wù)器模式的語(yǔ)音識(shí)別系統(tǒng)。并且從圖中可以看出當(dāng)每個(gè)用戶的上傳量達(dá)到1 200個(gè)時(shí)，傳統(tǒng)語(yǔ)音識(shí)別系統(tǒng)就遇到了性能瓶頸，時(shí)間增長(zhǎng)速率出現(xiàn)了拐點(diǎn)。可見看出云架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)有效的推遲了拐點(diǎn)的到來(lái)。從而可以得出，SRSCC語(yǔ)音識(shí)別系統(tǒng)具有更好的性能，更有能力面對(duì)大用戶請(qǐng)求挑戰(zhàn)，更符合語(yǔ)音識(shí)別的發(fā)展趨勢(shì)。

4.3 節(jié)點(diǎn)數(shù)對(duì)性能的影響

實(shí)驗(yàn)的數(shù)據(jù)集是12 000個(gè)錄音文件，并且只對(duì)這些錄音文件進(jìn)行簡(jiǎn)單的識(shí)別操作。圖5顯示的是識(shí)別這12 000個(gè)錄音文件所花費(fèi)的時(shí)間受集群節(jié)點(diǎn)數(shù)影響的情況。有圖5可知隨著節(jié)點(diǎn)數(shù)量的增加，識(shí)別這12 000個(gè)文件所花費(fèi)的時(shí)間在逐漸減少。雖然隨著節(jié)點(diǎn)的增加所用時(shí)間減少的速率逐步趨緩，但可以得出隨著數(shù)據(jù)集量的增加，可以通過增加節(jié)點(diǎn)數(shù)來(lái)提高語(yǔ)音系統(tǒng)的性能。這也從側(cè)面說(shuō)明了云計(jì)算架構(gòu)的語(yǔ)音識(shí)別系統(tǒng)具有一定的可擴(kuò)展性。

圖4 傳統(tǒng)架構(gòu)和云計(jì)算架構(gòu)在語(yǔ)音識(shí)別上的性能對(duì)比Fig.4 Comparison between traditional architecture and cloud architecture in speech recognition

圖5 集群節(jié)點(diǎn)數(shù)量的影響Fig.5 Effect of number of nodes

5 結(jié)語(yǔ)

本文結(jié)合 MapReduce編程模型，利用Sector/Sphere工具實(shí)現(xiàn)了SRSCC語(yǔ)音識(shí)別系統(tǒng)，并給出了語(yǔ)音識(shí)別模型的可定制性方法。實(shí)驗(yàn)表明，SRSCC語(yǔ)音識(shí)別系統(tǒng)與傳統(tǒng)服務(wù)器模式的語(yǔ)音識(shí)別系統(tǒng)相比，具有更好的性能，更有能力面對(duì)大用戶請(qǐng)求所帶來(lái)的挑戰(zhàn)。并且該系統(tǒng)具有一定的可擴(kuò)展性。但本文所搭建的云計(jì)算系統(tǒng)規(guī)模較小，功能比較簡(jiǎn)單，下一步要完善系統(tǒng)的功能，擴(kuò)大系統(tǒng)規(guī)模，從而得到更好的結(jié)果。

［1］Lee K F.Automatic Speech Recognition：The Development of the Sphinx System［M］.Boston：Kluwer Academic Publishers，1989.

［2］劉加.漢語(yǔ)大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)研究進(jìn)展［J］.電子學(xué)報(bào)，2000，28（1）：85-91.

［3］方敏，浦劍濤.嵌入式語(yǔ)音識(shí)別系統(tǒng)的研究和實(shí)現(xiàn)［J］.中文信息學(xué)報(bào)，2004（6）：73-75.

［4］Michael Armbrust，Armando Fox，Rean Grith，et al.Above the clouds：A berkeley view of cloud computing［R］.Technical Report UCB/EECS-2009-28，EECS Department，University of California，Berkeley，2009.

［5］Dean J，Ghemawat S.MapReduce：Simplified data processing on large clusters［C］.//Proc of the 6th Symp on Operating System Design and Implementation，Berkeley：USENIX Association，2004：137-150.

［6］Robert Grossman，Yunhong Gu.Data Mining Using High Performance Data Clouds：Experimental Studies Using Sector and Sphere［C］.SIGKDD 2008，Las Vegas：NV，2008.

［7］Yunhong Gu，Li Lu，Robert Grossman，et al.Processing Massived Sized Graphs using Sector/Sphere，3rd Workshop on Many－Task Computing on Grids and Supercomputers［C］.co-located with SC10，LA：New Orleans N，2010：15.

［8］Yunhong Gu，Robert Grossman.Sector and Sphere：The design and implementation of a high performance data cloud［J］.Theme Issue of the Philosophical Transactions of the Royal Society A：Crossing Boundaries：Computational Science，E-Science and Global E-Infrastructure，2009，v 367（1897）：2429-2445.

［9］Young S J，Evermann G，Gales M J F，et al.PC （2006）The HTK Book Version 3.4［M］.Cambridge：Cambridge University Engineering Department，2006.

［10］Dean J，Ghemawat S.Distributed Programming With MapReduce［M］.//Oram A，Wilson G，eds.Beautiful Code，Sebastopol：O’Reilly Media Inc，2007：371-384.

［11］Dean J，Ghemawat S.MapReduce：a flexible data processing tool［J］.Communications of the ACM，2010，53（1）：72-77.