QQ
5G时代已经来临，如何实现语音识别？——安川机器人
语音识别是让机器识别和理解的一门新兴学科，旨在语音信号的说话者的语音信号内容转换成文本字符或命令的智能技术，使用电脑的人的领会讲话的语义内容，使得它听懂人话，因此，确定意向的音箱，它是人机交流的一个非常自然和有效的方式。
语音进行识别的研究主要工作人员可以追溯到20世纪50年代。在1952年，AT＆T贝尔研究所通过研究方法成功了世界上语音信息识别技术系统Audry 系统，可以有效识别10个英文数字发音。这个社会系统风险识别的是一个人说出的孤立数字，并且具有很大程度上依赖于我们每个国家数字中的元音的共振峰的测量。
计算机的应用促进了语音识别技术的发展，利用计算机进行语音识别，提出了一系列语音识别技术——动态规划线性预测分析技术的新理论，很好地解决了语音信号产生模型的问题.. 在20世纪70年代，语音识别研究取得了显著的里程碑式的成果。 随着自然语言理解的研究和微电子技术的发展，语音识别取得了突破。 本期语音识别方法基本采用传统模式识别策略。
后来，语音识别进一步深化。在此期间取得进步显著是：隐马尔可夫模型（HMM）技术的成熟和不断提高，并*终成为语音识别的主流方法;语音识别的研究，以知识为基础的多的关注。从识别声音信息，更多地利用语言知识，进行连续语音识别，除了帮助语音识别和构词，语法，语义，如背景谈话知识进一步的了解。在语音识别研究领域的同时，还我们有基于统计概率的语言模型;人工神经网络的应用在语音识别的上升。人工神经网络具有更好的能力，复杂的分类界限来区分，这是非常清楚的，可以帮助模式识别。在这些研究中，大部分使用感知网络的基于反向传播算法（BP算法）的多层。
经过21个世纪以来，学习技术的深度极大地促进了语音识别技术的进步，大大提高识别的准确率，广泛应用的开发。 2009年，寒春深度神经网络（DNN）应用于语音声学建模，以获得好的结果是在TIMIT。截至2011年底，余东微软研究院，邓力再次DNN技术在大词汇量连续语音识别任务，语音识别大大降低了错误率。由于语音识别到DNN-HMM时代。 DNN带来的语音和数据的好处是不再需要分配的假设，相邻的语音帧和缝合的定时结构信息包括语音，使得分类概率为状态已经显著改善。同时DNN也有强大的学习环境，可以提高稳健性噪声和口音。
目前，语音识别技术已逐渐应用于工业、通信、商业、家电、医疗、汽车电子和家庭服务等各个领域。 例如，今天流行的手机语音助手，就是将语音识别技术应用于智能手机，可以实现人与手机之间的智能对话，包括苹果的Siri语音助手、智能360语音助手、百度语音助手等。
更多详情点击安川机器人
