語音識別技術(shù).doc

目前主流的語音識別技術(shù)是基于統(tǒng)計(jì)模式識別的基本理論。一個完整的語音識別系統(tǒng)可大致分為三部分： （1）語音特征提取： （2）聲學(xué)模型與模式匹配（識別算法）（3）語義理解：計(jì)算機(jī)對識別結(jié)果進(jìn)行語法、語義分析。語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，語音識別的發(fā)展簡史1952年AT& T Bell實(shí)驗(yàn)室實(shí)現(xiàn)了一個單一發(fā)音人孤立發(fā)音的十個英文數(shù)字的語音識別系統(tǒng)，到現(xiàn)在的人機(jī)語音交互。語音識別研究從二十世紀(jì)50年代開始到現(xiàn)在歷半個多世紀(jì)的蓬勃發(fā)展，在這期間獲得了巨大的進(jìn)展?，F(xiàn)代語音識別技術(shù)研究重點(diǎn)包括即興口語的識別和理解，自然口語對話，以及多語種的語音同聲翻譯。語音識別應(yīng)用的特點(diǎn)1.語音識別系統(tǒng)必須覆蓋的功能包括：（1）語音識別系統(tǒng)要對用戶有益（希望它是能檢測到的）。例如提高生產(chǎn)率，容易使用，更好的人機(jī)界面，或更自然的信息交流模式。（2）語音識別系統(tǒng)要對用戶“友好”。 這種“友好”的含義是：用戶在和系統(tǒng)進(jìn)行語音對話時感到舒適；系統(tǒng)的語音提示既有幫助，又很親近。（3）語音識別系統(tǒng)必須有足夠的精度（4）語音識別系統(tǒng)要有實(shí)時處理能力；例如 系統(tǒng)對用戶詢問的響應(yīng)時間要很短。2. 語音識別錯誤的處理有以下四種方式可以處理這個問題。（1）錯誤弱化法。 這種處理僅僅花費(fèi)用戶很少一點(diǎn)時間，對用戶幾乎沒什么其它不利影響。（2）錯誤自檢糾正法系統(tǒng)利用已知任務(wù)的限制自動地檢測并糾正錯誤。（3）確認(rèn)或多層次判定（4）拒絕/轉(zhuǎn)向人工座席。系統(tǒng)對其中通常較易導(dǎo)致系統(tǒng)識別錯誤的極少部分語音指令拒絕做出識別決定，而是將其轉(zhuǎn)給人工座席。在很多情況下，語音識別技術(shù)可以充分發(fā)揮出RFID的潛能：1.積壓產(chǎn)品、脫銷產(chǎn)品2.被廢棄、被召回或已過期產(chǎn)品3.回收的商品4.促銷產(chǎn)品RFID系統(tǒng)在利用原有語音導(dǎo)向投資的情況下可以大大增加收益語音識別技術(shù)在郵件分揀中的應(yīng)用現(xiàn)代化分揀設(shè)備在郵政上的應(yīng)用大大提高了郵件處理的效率。但是，并不是所有的郵件都能上分揀機(jī)處理，那些需要人工處理的郵件成了郵政企業(yè)實(shí)現(xiàn)自動化的瓶頸。郵政使用人工標(biāo)碼技術(shù)以及先進(jìn)的計(jì)算機(jī)軟件系統(tǒng)來處理不能上機(jī)的郵件，仍需要大量的勞動力。由MailCode公司開發(fā)并準(zhǔn)備申請專利的Spell-ItTM軟件技術(shù)通過提高系統(tǒng)數(shù)據(jù)庫能力的方式對語音識別自動化設(shè)備進(jìn)行了革命性的變革。這種技術(shù)提供了無限的數(shù)據(jù)庫能力，并且保證分揀速度不會因數(shù)據(jù)庫的增大而減小。由各大語音引擎公司開發(fā)的系統(tǒng)還支持世界上的各種主要語言，這樣，語音技術(shù)就成為世界性的產(chǎn)品。以英語語音識別系統(tǒng)為例，系統(tǒng)建立了36個可識別字符 26個字母加上09的10個數(shù)字，同時還建立了一套關(guān)鍵詞。Spell-It軟件使用這些字符來識別成千上萬的口語詞匯和無數(shù)的詞語組合。對于大公司的郵件收發(fā)中心來說，使用MailCode公司的Spell-It軟件技術(shù)，分揀員實(shí)際上只需發(fā)出幾個字符的音來找到和數(shù)據(jù)庫中相對應(yīng)的詞。例如：碰到了寄給Joseph Schneider的郵件，操作員只需發(fā)出 “J”、“S”、“C”和“H”幾個音就可以得到準(zhǔn)確的分揀信息。姓名和郵箱編碼：Jennifer Schroeder, 軟件工程部；Joseph Schneider, 技術(shù)操作部；Josh Schriver, 技術(shù)操作部，因?yàn)檫@三個姓名全都符合（J,S,C,H）的發(fā)音標(biāo)準(zhǔn)。郵件中心的操作員知道郵件實(shí)際上是寄給Joseph Schneider的，就可以把郵件投入Joseph Schneide的信箱了。郵局要把郵件按投遞路線分發(fā)，分揀員必須熟悉長長的投遞段列表以及各種各樣的國際郵件投遞信息。Spell-It技術(shù)把地址、投遞路線等信息都存入了系統(tǒng)，這樣就大大方便了分揀工作。例如，有一件寄往Stonehollow 路2036號的郵件。使用語音識別技術(shù)，分揀員僅僅需要發(fā)出“2”、“0”、“S”、“T”和“O”幾個音，如表2所示，數(shù)據(jù)庫就會給出所有可能和這幾個音相對應(yīng)的地址及相應(yīng)的投遞路線的。在這個例子中，有三個投遞地址符合這一語音標(biāo)準(zhǔn)，分揀員知道哪一個是正確的地址，于是就可以把郵件分給相應(yīng)投遞段的投遞員了。Spell-It技術(shù)可以識別字母、數(shù)字、關(guān)鍵詞以及無數(shù)的組合，對大公司的郵件收發(fā)中心和郵局的手工郵件分揀來說都是一次徹底的變革。這種進(jìn)步使得郵件中心可以使用快捷、精密、配套的郵件自動化處理設(shè)備來提高郵件處理全過程的工作效率。Spell-It技術(shù)還可以適用于世界上的多種語言。大公司的郵件收發(fā)中心和郵局所面臨的一個重大問題就是如何能在控制培訓(xùn)經(jīng)費(fèi)的情況下提高生產(chǎn)率？通過減少對內(nèi)部郵件和不能上分揀機(jī)郵件的查找時間能得到什么樣的經(jīng)濟(jì)效益？手工郵件分揀中心經(jīng)常要考慮和勞動力有關(guān)的問題：人力成本越來越高，人員更迭越來越快，培訓(xùn)費(fèi)用越來越多。公司內(nèi)部收發(fā)中心和郵局的手工分揀都主要依靠分揀人員的記憶力。招募、培訓(xùn)和留住熟練分揀員往往需要很高的成本。如果一個熟練工因病、因事請假或去度假，或者辭職，必須有另外的人來補(bǔ)上空缺的崗位。因?yàn)樯a(chǎn)率的提高有賴于工人的工作熟練程度，而許多企業(yè)由于人員流動頻繁導(dǎo)致了培訓(xùn)經(jīng)費(fèi)的持續(xù)增長，這樣效益目標(biāo)就很難達(dá)到。手工分揀主要依賴員工的記憶力，而人工標(biāo)碼等半自動化處理雖然減輕了記憶的壓力，卻需要一套全新的技術(shù)。從手工操作到半自動化操作往往需要員工完全改變操作技能，許多熟練的手工分揀員改換使用鍵盤操作時生產(chǎn)率不升反降。許多公司在采用人工標(biāo)碼臺及采用近距離或遠(yuǎn)距離視頻標(biāo)碼設(shè)備時都出現(xiàn)了這種情況，因?yàn)闃?biāo)碼技術(shù)完全依賴操作員的鍵盤技術(shù)來處理郵件。和標(biāo)碼技術(shù)相比，語音識別技術(shù)可以大大地減少職工培訓(xùn)，并且可以減輕甚至消除從手工勞動向自動化轉(zhuǎn)變過程對生產(chǎn)率的影響。要達(dá)到熟練分揀不必再需要大量的工作經(jīng)驗(yàn)。實(shí)際上，語音識別技術(shù)的應(yīng)用使操作員不必再記憶郵箱編碼等郵政信息了，語音識別技術(shù)簡單易學(xué)，郵件中心的工作人員只用幾分鐘就可以達(dá)到熟練操作的程度了。培訓(xùn)時間的減少促使了人工成本的下降。另外，語音識別技術(shù)又提高了生產(chǎn)率，從而大大提高了郵件中心的效益。MailCode公司的語音識別設(shè)備有兩種：口音適應(yīng)型設(shè)備和非口音適應(yīng)型設(shè)備。口音適應(yīng)型設(shè)備需要在生產(chǎn)前操作員進(jìn)行口音適應(yīng)訓(xùn)練，操作員要花半小時左右的時間讓設(shè)備適應(yīng)自己的語音特點(diǎn)，這些特點(diǎn)作為文件保存到系統(tǒng)中，以備將來使用。這種設(shè)備尤其適合那些有地方方言或口音的操作員。非口音適應(yīng)型設(shè)備基本上不需要語音訓(xùn)練，適用于臨時工較多，操作員不固定的場所。只是非口音適應(yīng)型設(shè)備比起口音適應(yīng)型設(shè)備來速度略慢，準(zhǔn)確率略低。實(shí)驗(yàn)表明語音技術(shù)提高了生產(chǎn)率。一個熟練的手工分揀員平均每小時分揀700件郵件，這樣的效率至少需要三個月的訓(xùn)練。而使用語音識別技術(shù)，一個沒有經(jīng)過訓(xùn)練的操作員僅一星期后分揀速度就可以達(dá)到每小時550件，四周后分撿速度就可達(dá)到每小時700件。另外，手工分揀每小時查找郵件150件，而利用語音技術(shù)，郵件查找量每小時可以達(dá)到600件，隨著操作員對設(shè)備越來越熟練，分揀的精確度會進(jìn)一步提高。因?yàn)榇蟛糠值恼Z音識別系統(tǒng)是基于界面友好的Windows NT開發(fā)的，管理人員可以利用工具軟件對操作員的生產(chǎn)情況、郵件量以及整個郵件中心的生產(chǎn)情況進(jìn)行跟蹤。最新的設(shè)備還裝備有數(shù)據(jù)庫管理系統(tǒng)，可以保證對數(shù)據(jù)庫進(jìn)行及時的更新，無論是公司內(nèi)部數(shù)據(jù)庫，還是郵局?jǐn)?shù)據(jù)庫，這樣的管理系統(tǒng)都能保證及時地對地址數(shù)據(jù)更新，以確保郵件被準(zhǔn)確地送到收件人手中。正是有了這些優(yōu)點(diǎn)，郵件中心安裝語音識別設(shè)備不失為一種實(shí)用又有效益的選擇。MailCode 公司提供了兩種語音產(chǎn)品：語音策劃管理系統(tǒng)和語音分揀系統(tǒng)。語音策劃管理系統(tǒng)是用來為郵局把郵件分揀到投遞段的，可以對包裹、信函、扁平件以及無郵政編碼和編碼有誤的郵件進(jìn)行一次和二次分揀；語音分揀系統(tǒng)是為企業(yè)的郵件收發(fā)中心設(shè)計(jì)的，可以利用內(nèi)部的多重?cái)?shù)據(jù)庫生成完整準(zhǔn)確的文件來同時識別職員姓名、部門和投遞點(diǎn)。隨著技術(shù)的進(jìn)步，語音策劃管理系統(tǒng)和語音分揀系統(tǒng)的數(shù)據(jù)庫可以隨時更新，其速度和準(zhǔn)確度也越來越高。語音策劃管理系統(tǒng)和語音分揀系統(tǒng)都使用相似的硬件，每臺設(shè)備都配備了除噪音的無線耳機(jī)可以使操作員在語音分揀設(shè)備間自由走動，每個分揀臺都安裝有一臺配備3343cm的高清晰度平面液晶顯示器的微機(jī)。語音分揀系統(tǒng)還可以配以標(biāo)簽儀和打印機(jī)。隨著科學(xué)技術(shù)的發(fā)展，語音識別技術(shù)逐漸成為了郵件分揀的新技術(shù)，可以克服手工分揀單純依靠分揀員記憶力的弊端，解決人員成本過高的問題，提高郵件處理的效率和效益。語音識別技術(shù)的發(fā)展趨勢語音識別技術(shù)經(jīng)過全球半個多世紀(jì)的研究，目前已經(jīng)發(fā)展到了接近實(shí)用的階段。在實(shí)驗(yàn)室環(huán)境下，大詞匯量的朗讀式連續(xù)說話的寬帶語音信號的平均識別率可以達(dá)到90%以上。在這樣的水平基礎(chǔ)上，語音識別技術(shù)開始嘗試從實(shí)驗(yàn)室演示系統(tǒng)走向?qū)嵱没唐?。但是語音識別技術(shù)要進(jìn)入成熟的商業(yè)運(yùn)用還有一段艱難的路程，還必須在很多方面取得突破性進(jìn)展。表現(xiàn)在：1.提高可靠性。一方面，語音識別技術(shù)需要能排除各種聲學(xué)環(huán)境因素的影響。在公共場合，人能夠有意識地摒棄環(huán)境噪聲并從中獲取自己所需要的特定聲音，但幾乎不可能指望計(jì)算機(jī)能聽懂你的話。2.增加詞匯量。3.應(yīng)用拓展。語音識別技術(shù)可能帶動一系列嶄新或更便捷功能的設(shè)備出現(xiàn)，更加方便人的工作和生活。將語音識別與語言理解、文字翻譯、語音合成進(jìn)行系統(tǒng)創(chuàng)新集成的語音同聲翻譯技術(shù)，可以用于突破不同語種的人說話交流的語言壁壘。4.降低成本減小體積21世紀(jì)是信息和網(wǎng)絡(luò)的時代，Internet、寬帶IP網(wǎng)、公用電話網(wǎng)、移動電話網(wǎng)把全