續(xù)珩

摘要：隨著現(xiàn)代信息技術(shù)的飛速發(fā)展，語音識別技術(shù)在人們的實際生活中得到了更加廣泛的應(yīng)用，而語音識別也開始進(jìn)入到普通人的視野之內(nèi)，借助于其準(zhǔn)確的識別率以及較強(qiáng)的實用性，受到了越來越多用戶的青睞。現(xiàn)階段，智能語音識別在家居、汽車等多種設(shè)備中得以普遍應(yīng)用，也成為了人機(jī)交互的關(guān)鍵性設(shè)備。本文主要探討了基于深度學(xué)習(xí)技術(shù)的智能語音識別的應(yīng)用。

關(guān)鍵詞：深度學(xué)習(xí);智能語音識別;應(yīng)用

智能語音識別屬于人工智能中的重要性技術(shù)之一，目前在智能家居、智能穿戴以及智能車載中得到了十分普遍的應(yīng)用。智能語音技術(shù)基于深度學(xué)習(xí)算法，結(jié)合大數(shù)據(jù)技術(shù)、高性能運算技術(shù)等，不但能夠?qū)崿F(xiàn)準(zhǔn)確“偵聽”人類語言，同時更能夠“聽懂”人類語言，甚至可以達(dá)到“回答”人類的能力。

1基于深度學(xué)習(xí)的語音識別方法

深度學(xué)習(xí)屬于人工職能中得以飛速發(fā)展的重要領(lǐng)域，能夠輔助計算機(jī)理解更多圖像、聲音以及文本形式的數(shù)據(jù)。借助于多元化的神經(jīng)網(wǎng)絡(luò)，目前的計算機(jī)能夠類似于人類一樣進(jìn)行觀察和學(xué)習(xí)，同時做出相應(yīng)反應(yīng)，甚至比人類更敏捷迅速。如此一來就能夠帶來一種有效的識別方式，用于分析數(shù)據(jù)信息[1]。下圖1為基本的智能語音識別流程。

1.1語音拾取

語音拾取主要是采樣以及端點檢測。所謂采樣即是利用聲卡將語音信息進(jìn)行采集，同時把語音信息數(shù)字化;而端點檢測即是從語音信息中確定其起點以及終點，屬于預(yù)處理中的關(guān)鍵性內(nèi)容，端點檢測一般來說是采用能量與過零率結(jié)合的算法。

1.2特征提取

特征提取屬于語音識別中非常重要的技術(shù)，有效的特征可以非常準(zhǔn)確的體現(xiàn)出語音包含的有價值信息，從而摒棄其他無價值的內(nèi)容。

1.3模擬訓(xùn)練和語音識別判決

模擬訓(xùn)練與語音識別判決包含兩個步驟，首先是訓(xùn)練，即使用一種識別策略，通過訓(xùn)練和聚類的途徑獲得該字的語音參數(shù)，并將其當(dāng)成為模板進(jìn)行存儲，在識別系統(tǒng)內(nèi)部存儲所有需要識別的參考模板，構(gòu)建參考模板庫;其次是識別判決，把等待識別的語音樣本和參考模板中的信息進(jìn)行分析對比，以相似程度最大的作為最終判斷。

2人工智能語音識別的應(yīng)用

對于電話以及通信系統(tǒng)來說，智能語音識別逐漸把電話機(jī)從單純的服務(wù)工具轉(zhuǎn)變?yōu)榉?wù)的提供者以及人們智能生活的伙伴;借助于電話以及互聯(lián)網(wǎng)，現(xiàn)代人能夠依靠語音命令就可以從遠(yuǎn)端數(shù)據(jù)庫中調(diào)取和查詢相應(yīng)的內(nèi)容;現(xiàn)代科技的發(fā)展讓計算機(jī)趨于小型化發(fā)展，鍵盤開始變?yōu)橐苿悠脚_的阻礙，比如手表式手機(jī)，再借助于鍵盤實施撥號就會變?yōu)樘旆揭棺T。因此，智能語音識別已經(jīng)開始轉(zhuǎn)變?yōu)楝F(xiàn)代信息技術(shù)中人機(jī)交互的重要節(jié)點，語音識別和語音合成讓現(xiàn)代人逐漸開始丟棄鍵盤，借助于語音實施操作，其實際應(yīng)用也開始發(fā)展為一個具備更高競爭性的產(chǎn)業(yè)。

當(dāng)前智能語音識別技術(shù)持續(xù)發(fā)展，尤其是中小詞匯量非特定語音識別系統(tǒng)的最大精確程度已經(jīng)超過98%，對普通人群語音識別的精確度必然更高，這類技術(shù)逐漸可以滿足人們的日常需求。而進(jìn)入新時代之后大規(guī)模集成電路的發(fā)展，讓很多較為復(fù)雜的智能語音識別系統(tǒng)依舊能夠制作為專門的芯片。目前，已經(jīng)有非常多的語音識別產(chǎn)品投入到市場中來，部分電話以及智能手機(jī)都可以提供語音識別撥號服務(wù)，同時還具備語音筆記本、智能軟件等功能。人們能夠借助于語音來識別機(jī)票、旅游以及銀行信息，從而獲得更加便捷的服務(wù)體驗。

3人工智能語音識別發(fā)展趨勢

深度學(xué)習(xí)技術(shù)應(yīng)用的主要目標(biāo)是構(gòu)建模擬人腦實施分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，隨后依靠計算機(jī)模擬人腦來對數(shù)據(jù)進(jìn)行分析，例如分析圖像、文本等。換句話說，深度學(xué)習(xí)技術(shù)在大數(shù)據(jù)中的表現(xiàn)相對于其他學(xué)習(xí)策略更優(yōu)，它更加符合無標(biāo)記數(shù)據(jù)，所以不單單是以實體識別為主的自然語言（NLP）領(lǐng)域。根據(jù)現(xiàn)階段的語音識別而言，主要識別途徑包含了語音拾取以及特征拾取等，依靠語音來分析人們實際工作與生活中可能遇到的問題。但從另一方面而言，智能語音識別關(guān)系到語音學(xué)、心理學(xué)以及數(shù)據(jù)統(tǒng)計等專業(yè)理論知識，對研究人員的要求較高，在對這一技術(shù)實施研究的過程中要求對各方面知識都有所涉及[2]。

當(dāng)前深度學(xué)習(xí)技術(shù)屬于最為熱門的技術(shù)之一，正越來越普遍的應(yīng)用到實踐中，智能語音屬于未來人機(jī)交互的重要窗口，在很大程度上關(guān)系到用戶實際體驗。將深度學(xué)習(xí)技術(shù)和智能語音識別聯(lián)系起來，不但智能語音識別技術(shù)所獲取的數(shù)據(jù)信息能夠訓(xùn)練出更加強(qiáng)大的深度學(xué)習(xí)網(wǎng)絡(luò)，同時深度學(xué)習(xí)技術(shù)能夠支持智能語音識別系統(tǒng)進(jìn)行更加精確完整的操作。

4結(jié)束語

總而言之，隨著現(xiàn)代社會的發(fā)展，智能語音識別技術(shù)必然會得到更為普遍的應(yīng)用，深度學(xué)習(xí)技術(shù)可能并非是智能語音識別中最有效的應(yīng)用，但實踐證明其對于智能語音識別而言能夠發(fā)揮出非常積極的作用，可以幫助現(xiàn)代人在實際生活和工作中處理好相應(yīng)的問題，實現(xiàn)有效的人機(jī)交互，更好的滿足人們工作和生活所需。

參考文獻(xiàn)：

[1]蔣久松，熊富強(qiáng)，毛文奇，張超峰.智能語音識別方法在電力移動作業(yè)平臺中的應(yīng)用[J].自動化應(yīng)用，2017 （11）：124-127.

[2]鄧逸鈺，王垚.智能化語境下的數(shù)字出版領(lǐng)域知識服務(wù)生態(tài)構(gòu)建[J].出版發(fā)行研究，2017 （06）：34-36.