语言交流是人类一种天然的沟通模式。从儿童时代开始我们对语言的相关学习都是自发的,语言交流始终贯穿于我们的生活。它是那么的自然以至于我们根本没有发现这是一种多么复杂的现象。人类的声道和发音器官,是具有非线性特征的生物器官,不仅仅运行在有意识的控制下,而且受到性别及其成长因素情绪状态的影响。
因此,声音会因为他们的口音、发音、清晰度、体积、速度等有着大幅的变动。人类希望能与机器进一步沟通,从而方便生产与生活,而在语音信号的传输过程中,我们不规则的语言行为方式会被背景噪声和回声,以及电特性(如话筒等电子设备)进一步扭曲。这一切可变性的声音来源语音识别更加繁琐复杂。
语音识别是一个多层模式识别任务。声音信号经过考察,结构分为一个层次词根单位(例如,音素)、词、短语、句子。每一层可提供额外的时间限制,例如,已经被认知的单词发音或法律上的单词序列,可以弥补错误或把不确定性降到较低水平。限制的最好方法是在所有较低的层次中利用概率相结合的决策,而只在最高层次中使用离散决策。
语音识别系统根据对说话人说话方式的要求,可以分为孤立词语音识别系统、连接字语音识别系统和连续语音识别系统;根据对说话人的依赖程度,可以分为特定人和非特定人语音识别系统;根据词汇量大小,可分为小词汇量、中等词汇量、大词汇量以及无限词汇量语音识别系统。不同的语音识别系统。虽然具体实现细节有所不同,但所采用的基本技术相似。一个典型的语音识别系统除了要选取适当的语音识别单元之外,还需要特征参数技术提取、系统建模、模型训练和模式匹配这三方面的技术。
语音识别系统也可以分成一个前端和一个后端。其中,前段处理音频流,从而分隔可能发声的声音阶段,并将它们转换成一系列能够表示数值。后端是一个专用的搜索引擎,它获取前端产生的输出并跨以下三个数据库进行搜索:一个发音模型、一个语言模型和一个词典。发音模型表示一种语言的发音声音,可通过训练来识别某个特定用户的语音模式和发音环境的特征。语言模型表示一种语言的单词如何合并。词典列出语言的大量单词,以及关于每个单词如何发音的信息。