為什么現(xiàn)在人工智能這么火,語(yǔ)音輸入還是這么弱智
語(yǔ)音輸入是根據(jù)操作者的講話,電腦識(shí)別成漢字的輸入方法(又稱聲控輸入)。它是用與主機(jī)相連的話筒讀出漢字的語(yǔ)音,利用語(yǔ)音識(shí)別系統(tǒng)分析辯識(shí)漢字或詞組,把識(shí)別后的漢字顯示在編輯區(qū)中,再通過(guò)“發(fā)送”功能將編輯區(qū)的文字傳到其他文檔的編輯中。
語(yǔ)音識(shí)別技術(shù)的原理是將人的話音轉(zhuǎn)換成聲音信號(hào),經(jīng)過(guò)特殊處理,與計(jì)算機(jī)中已存儲(chǔ)的已有聲音信號(hào)進(jìn)行比較,然后反饋出識(shí)別的結(jié)果。其關(guān)鍵在于將人的話音轉(zhuǎn)換成聲音信號(hào)的準(zhǔn)確性,以及與原有聲音信號(hào)比較時(shí)的智能化程度。語(yǔ)音識(shí)別技術(shù)是人工智能的有機(jī)組成部分。
這種輸入法的好處是不再用手去輸入,把雙手解放出來(lái),只要會(huì)讀出漢字的讀音即可,但是受每個(gè)人漢字發(fā)音的限制,不可能都滿足語(yǔ)音識(shí)別軟件的要求,因此在實(shí)際應(yīng)用中錯(cuò)誤率較鍵盤(pán)輸入高。特別是一些專業(yè)技術(shù)方面的語(yǔ)言,識(shí)別系統(tǒng)幾乎不能確認(rèn),錯(cuò)誤率較高。
目前,主流的大詞匯量語(yǔ)音識(shí)別系統(tǒng)多采用統(tǒng)計(jì)模式識(shí)別技術(shù)。典型的基于統(tǒng)計(jì)模式識(shí)別方法的 語(yǔ)音識(shí)別系統(tǒng)由以下幾個(gè)基本模塊所構(gòu)成
信號(hào)處理及特征提取模塊。該模塊的主要任務(wù)是從輸入信號(hào)中提取特征,供聲學(xué)模型處理。同時(shí),它一般也包括了一些信號(hào)處理技術(shù),以盡可能降低環(huán)境噪聲、信道、說(shuō)話人等因素對(duì)特征造成的影響。 統(tǒng)計(jì)聲學(xué)模型。典型系統(tǒng)多采用基于一階隱馬爾科夫模型進(jìn)行建模。 發(fā)音詞典。發(fā)音詞典包含系統(tǒng)所能處理的詞匯集及其發(fā)音。發(fā)音詞典實(shí)際提供了聲學(xué)模型建模單元與語(yǔ)言模型建模單元間的映射。 語(yǔ)言模型。語(yǔ)言模型對(duì)系統(tǒng)所針對(duì)的語(yǔ)言進(jìn)行建模。理論上,包括正則語(yǔ)言,上下文無(wú)關(guān)文法在內(nèi)的各種語(yǔ)言模型都可以作為語(yǔ)言模型,但目前各種系統(tǒng)普遍采用的還是基于統(tǒng)計(jì)的N元文法及其變體。 解碼器。解碼器是語(yǔ)音識(shí)別系統(tǒng)的核心之一,其任務(wù)是對(duì)輸入的信號(hào),根據(jù)聲學(xué)、語(yǔ)言模型及詞典,尋找能夠以最大概率輸出該信號(hào)的詞串。 從數(shù)學(xué)角度可以更加清楚的了解上述模塊之間的關(guān)系。首先,統(tǒng)計(jì)語(yǔ)音識(shí)別的最基本問(wèn)題是,給定輸入信號(hào)或特征序列,符號(hào)集(詞典),求解符號(hào)串使得:
W = argmaxP(W | O) 通過(guò)貝葉斯公式,上式可以改寫(xiě)為
由于對(duì)于確定的輸入串O,P(O)是確定的,因此省略它并不會(huì)影響上式的最終結(jié)果,因此,一般來(lái)說(shuō)語(yǔ)音識(shí)別所討論的問(wèn)題可以用下面的公式來(lái)表示,可以將它稱為語(yǔ)音識(shí)別的基本公式。 W = argmaxP(O | W)P(W)
從這個(gè)角度來(lái)看,信號(hào)處理模塊提供了對(duì)輸入信號(hào)的預(yù)處理,也就是說(shuō),提供了從采集的語(yǔ)音信號(hào)(記為S)到 特征序列O的映射。而聲學(xué)模型本身定義了一些更具推廣性的聲學(xué)建模單元,并且提供了在給定輸入特征下,估計(jì)P(O | uk)的方法。
為了將聲學(xué)模型建模單元串映射到符號(hào)集,就需要發(fā)音詞典發(fā)揮作用。它實(shí)際上定義了映射的映射。為了表示方便,也可以定義一個(gè)由到U的全集的笛卡爾積,而發(fā)音詞典則是這個(gè)笛卡爾積的一個(gè)子集。并且有:
最后,語(yǔ)言模型則提供了P(W)。這樣,基本公式就可以更加具體的寫(xiě)成:
對(duì)于解碼器來(lái)說(shuō),就是要在由,,ui以及時(shí)間標(biāo)度t張成的搜索空間中,找到上式所指明的W。
語(yǔ)音識(shí)別是一門(mén)交叉學(xué)科,語(yǔ)音識(shí)別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù),語(yǔ)音識(shí)別技術(shù)與語(yǔ)音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤(pán),通過(guò)語(yǔ)音命令進(jìn)行操作。語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。
與機(jī)器進(jìn)行語(yǔ)音交流,讓機(jī)器明白你說(shuō)什么,這是人們長(zhǎng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語(yǔ)音識(shí)別是一門(mén)交叉學(xué)科。近二十年來(lái),語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步,開(kāi)始從實(shí)驗(yàn)室走向市場(chǎng)。人們預(yù)計(jì),未來(lái)10年內(nèi),語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。語(yǔ)音識(shí)別聽(tīng)寫(xiě)機(jī)在一些領(lǐng)域的應(yīng)用被美國(guó)新聞界評(píng)為1997年計(jì)算機(jī)發(fā)展十件大事之一。很多專家都認(rèn)為語(yǔ)音識(shí)別技術(shù)是2000年至2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一。
人工智能專業(yè)前景如何?