語(yǔ)音識(shí)別聲控技術(shù)在移動(dòng)客戶端的應(yīng)用

劉　磊，趙　鵬

讀者出版?zhèn)髅焦煞萦邢薰?/p>

語(yǔ)音識(shí)別聲控技術(shù)在移動(dòng)客戶端的應(yīng)用

劉磊，趙鵬

讀者出版?zhèn)髅焦煞萦邢薰?/p>

計(jì)算機(jī)信息技術(shù)的高速發(fā)展與廣泛應(yīng)用，讓語(yǔ)音識(shí)別聲控技術(shù)得到了長(zhǎng)足的進(jìn)步。本文分析了語(yǔ)音聲控識(shí)別技術(shù)的發(fā)展現(xiàn)狀，并探討了語(yǔ)音識(shí)別聲控技術(shù)在移動(dòng)客戶端的具體應(yīng)用。

語(yǔ)音識(shí)別聲控；移動(dòng)客戶端；應(yīng)用

移動(dòng)通訊技術(shù)與信息技術(shù)的迅猛發(fā)展，讓智能手機(jī)這類移動(dòng)客戶端得到了迅速普及，并且成為應(yīng)用語(yǔ)音識(shí)別聲控技術(shù)的重要領(lǐng)域。借助一定的識(shí)別裝置或者設(shè)備，對(duì)被識(shí)別對(duì)象的有關(guān)信息進(jìn)行及時(shí)收集與處理，并將處理結(jié)果上傳至計(jì)算機(jī)系統(tǒng)，這就是識(shí)別技術(shù)。語(yǔ)音識(shí)別聲控歸屬于識(shí)別技術(shù)中，這種技術(shù)主要是將語(yǔ)音作為識(shí)別信息。由于手機(jī)等便攜式移動(dòng)客戶端具備的運(yùn)算能力有限，如何提高客戶端的運(yùn)算量，這是當(dāng)前語(yǔ)音識(shí)別聲控技術(shù)應(yīng)用中需要重點(diǎn)研究的問(wèn)題。

1.語(yǔ)音識(shí)別聲控技術(shù)的發(fā)展現(xiàn)狀分析

自上世紀(jì)五十年代開始，很多學(xué)者就開展了對(duì)語(yǔ)音識(shí)別聲控技術(shù)的研究［1］。1952年，一些研究者通過(guò)大量實(shí)驗(yàn)，最終構(gòu)成可以對(duì)簡(jiǎn)單英文數(shù)字發(fā)音進(jìn)行識(shí)別的語(yǔ)音系統(tǒng)。而日本NEC實(shí)驗(yàn)室則在1963年，嘗試從數(shù)字方向開展對(duì)語(yǔ)音識(shí)別聲控的長(zhǎng)期研究。經(jīng)過(guò)全球研究者的共同努力，語(yǔ)音識(shí)別聲控技術(shù)得到了迅速發(fā)展，并且逐漸從理論研究轉(zhuǎn)向?qū)嶋H應(yīng)用中。但是在應(yīng)用過(guò)程中若要對(duì)語(yǔ)音識(shí)別進(jìn)行信息校對(duì)或糾正，將極大影響系統(tǒng)的識(shí)別速度。鑒于此，研究者開展了更為深入的語(yǔ)音識(shí)別聲控研究，以解決由于口音、環(huán)境不同導(dǎo)致的識(shí)別誤差。

從當(dāng)前語(yǔ)音識(shí)別聲控技術(shù)的應(yīng)用情況來(lái)看，對(duì)于特殊的語(yǔ)音或詞匯，應(yīng)用該系統(tǒng)均可以快速進(jìn)行識(shí)別。例如，在電話查詢與電話轉(zhuǎn)接過(guò)程中，語(yǔ)音識(shí)別聲控系統(tǒng)接收任務(wù)后會(huì)自動(dòng)存儲(chǔ)信息，并且根據(jù)設(shè)定數(shù)據(jù)的匹配度完成任務(wù)，以提高識(shí)別率。但是目前應(yīng)用語(yǔ)音識(shí)別聲控技術(shù)還存在較多限制因素，如移動(dòng)客戶端運(yùn)算量不高等，這就需要進(jìn)一步對(duì)該技術(shù)進(jìn)行鞏固。

2.語(yǔ)音識(shí)別聲控技術(shù)在移動(dòng)客戶端的應(yīng)用

移動(dòng)客戶端由于運(yùn)算能力較小，只能對(duì)計(jì)算機(jī)中的部分存儲(chǔ)與處理功能給予支持，這樣系統(tǒng)對(duì)語(yǔ)音的識(shí)別與處理需要一定的時(shí)間，之后才能顯示到手機(jī)等移動(dòng)客戶端上。盡管移動(dòng)客戶端在應(yīng)用語(yǔ)音識(shí)別聲控技術(shù)上還存在一些限制，但是我們可以通過(guò)對(duì)手機(jī)終端進(jìn)行編程，讓其可以識(shí)別數(shù)字撥號(hào)語(yǔ)音，或者識(shí)別撥打人的姓名。由于移動(dòng)客戶端內(nèi)存較小，能夠識(shí)別的語(yǔ)音一般不超過(guò)十條［2］。此外語(yǔ)音識(shí)別聲控技術(shù)在移動(dòng)客戶頓的應(yīng)用，其最大限制因素就是噪音。研究表明，受噪音影響的移動(dòng)客戶端語(yǔ)音用戶遠(yuǎn)比受互聯(lián)網(wǎng)影響的用戶多［3］。目前來(lái)看，語(yǔ)音識(shí)別聲控技術(shù)在手機(jī)等終端設(shè)備中的應(yīng)用并不多見(jiàn)，這與手機(jī)商家營(yíng)銷方式不當(dāng)或者技術(shù)不成熟有關(guān)。

隨著移動(dòng)客戶端信息處理能力的提升與內(nèi)存的增加，逐漸增強(qiáng)了智能手機(jī)等終端的語(yǔ)音識(shí)別聲控能力。例如，2005年三星電子推出的一款SCH-p-207型手機(jī)，就具備語(yǔ)音撥號(hào)功能與語(yǔ)音聲控聽(tīng)寫功能。用戶只需要通過(guò)語(yǔ)音聲控，就可以完成文本書寫與撥號(hào)。而智能手機(jī)內(nèi)存的逐漸增加，也減少了語(yǔ)音識(shí)別聲控技術(shù)的應(yīng)用限制［4］。另一個(gè)促進(jìn)語(yǔ)音識(shí)別聲控技術(shù)發(fā)展的重要因素，就是網(wǎng)速的提升。高速的無(wú)線通信網(wǎng)絡(luò)促進(jìn)了大量新技術(shù)的應(yīng)用，其中一個(gè)就是語(yǔ)音識(shí)別聲控技術(shù)。高速網(wǎng)絡(luò)能夠迅速傳遞語(yǔ)音處理信息，而遠(yuǎn)程服務(wù)器能夠及時(shí)獲取處理結(jié)果。

當(dāng)前語(yǔ)音識(shí)別聲控技術(shù)在智能手機(jī)中的應(yīng)用，并不限于語(yǔ)音書寫與撥號(hào)方面。語(yǔ)音撥號(hào)是智能手機(jī)最為基本的語(yǔ)音識(shí)別功能，甚至在很多低端手機(jī)中均可見(jiàn)這種功能。Gartner分析師指出，智能手機(jī)等移動(dòng)客戶端將具有更為開放的語(yǔ)音識(shí)別功能。同時(shí)在不進(jìn)行復(fù)雜編程的情況下，僅依靠可識(shí)別語(yǔ)音程序，就可以讓移動(dòng)客戶端完成相應(yīng)的指令任務(wù)。若引入運(yùn)算、存儲(chǔ)能力更為強(qiáng)大的設(shè)備，將更好的促進(jìn)語(yǔ)音識(shí)別聲控的應(yīng)用。

與其它語(yǔ)音識(shí)別聲控技術(shù)相比，谷歌語(yǔ)音搜索存在的限制因素更少。這是因?yàn)樗怯苫ヂ?lián)網(wǎng)服務(wù)器完成繁雜的工作，減少了客戶端的工作量，這也讓谷歌語(yǔ)音搜索更加具有實(shí)用性。例如，用戶通過(guò)客戶端發(fā)出“查找附近電影院”的語(yǔ)音指令，系統(tǒng)將根據(jù)語(yǔ)音迅速識(shí)別并搜集信息，然后將搜索結(jié)果發(fā)送至客戶端頁(yè)面。此外，谷歌語(yǔ)音搜索程序不僅可以識(shí)別各類語(yǔ)音短語(yǔ)的意思，還可以讓用戶了解移動(dòng)客戶端（手機(jī)）的具體位置。

3.結(jié)語(yǔ)

互聯(lián)網(wǎng)信息時(shí)代的到來(lái)以及移動(dòng)通訊技術(shù)的進(jìn)步，讓世界各地的人們能夠更加便捷、靈活地進(jìn)行語(yǔ)音通信。目前各種基于語(yǔ)音識(shí)別聲控開展的活動(dòng)均可以在互聯(lián)網(wǎng)上實(shí)現(xiàn)，如電子商務(wù)、語(yǔ)音翻譯等。本文對(duì)語(yǔ)音識(shí)別聲控技術(shù)在移動(dòng)客戶端的應(yīng)用進(jìn)行了探究，以此為促進(jìn)語(yǔ)音識(shí)別聲控技術(shù)的發(fā)展提供參考。

［1］禹琳琳.語(yǔ)音識(shí)別技術(shù)及應(yīng)用綜述［J］.現(xiàn)代電子技術(shù)，2013（13）.

［2］王宏志，徐玉超，李美靜.基于Mel頻率倒譜參數(shù)相似度的語(yǔ)音端點(diǎn)檢測(cè)算法［J］.吉林大學(xué)學(xué)報(bào)（工學(xué)版），2012（05）.

［3］文翰，黃國(guó)順.語(yǔ)音識(shí)別中DTW算法改進(jìn)研究［J］.微計(jì)算機(jī)信息，2013（19）.

［4］邵學(xué)彬，徐太花，章亦葵.基于語(yǔ)音識(shí)別的汽車空調(diào)控制系統(tǒng)［J］.單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2012（10）.