语音识别发展现状与展望

《语音识别发展现状与展望》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国中文信息学会第七次全国会员代表大会暨学会成立30周年学术会议语音识别发展现状与展望中科院自动化研究所徐波2011年12月4日报告提纲•语音识别技术现状及态势•语音识别技术的行业应用•语音识别技术研究方向•结论与展望2010年始语音识别重新成为产业热点•移动互联网的兴起成为ASR最重要的应用环境。在Google引领下，互联网、通信公司纷纷把语音识别作为重要研究方向–Android系统内嵌语音识别技术，Google语音翻译等；–iPhone4S上的Siri软件；–百度、腾讯、盛大、华为等都进军语音识别领域；–我国语音技术

2、领军企业讯飞2010年推出语音云识别、讯飞口讯–已有的QQ2011版语音输入等等成熟度分析-技术成熟度曲线•美国市场调查咨询公司Gartner于2011年7月发布《2011新兴技术成熟度曲线》报告：成熟度分析-新兴技术优先矩阵•Gartner评出了2011年具有变革作用的技术，包括语音识别、语音翻译、自然语言问答等。其中语音翻译和自然语言问答有望在5-10年内获得大幅利用，而语音识别有望在2-5年内获得大幅利用；三十年语音识别技术发展---特征提取与知识方面•MFCC，PLP，CMS，RASTA，VTLN；•HLDA,f

3、MPE，neuralnet-basedfeatures•前端优化–融入更多特征信息(MLP、TrapNN、BottleNeckFeatures等）•特征很大特点有些是跟模型的训练算法相匹配•大规模FSN图表示，把各种知识源集中在一起–bigramvs.4-gram,withinworddependenciesvs.cross-word三十年语音识别技术发展---模型与算法•统计模型HMM–EM、MAP/MLLR自适应–MMIE、MPE、fMPE训练（2005）–boostedMMIE(bMMIE)训练（2008）–基于最

4、大边距（Largemargin）分类的区分度训练（2004-2008）•优化模型精度–声学上下文建模•Quinphone（五音子）、Septaphone（七音子）–方差建模（SPAM、EMLLT、全方差建模等）–SubspaceGMM(SGMM)建模（2009）•提出了更好的声学数据共享机制三十年语音识别技术发展---搜索•A*搜索•Viterbi搜索•多遍（Multi-pass）识别•多系统融合（ROVER）技术三十年语音识别技术发展---ASR开放源码工具•HTK为基础的声学模型建模技术–剑桥大学的HTK(v3.4.

5、1)•LM模型建模技术–从传统的SRI的SRILM(v1.5)–到能够处理更大规模语料的•微软的MSRLM(v0.1)•以及意大利IRST实验室的IRSTLM(v5.6)•FSN以及解码技术–MIT的LibFST(v1.4.0)–Google的OpenFST(v1.2.7)大词汇量连续语音识别技术发展概况---在电话、会议等复杂环境中目前英语识别率准确率在80%左右，离人类2%-4%的错误率还有很大距离Moore定理及应用服务驱动计算能力和方式的改变•云计算主要特征–低成本：一堆廉价的机器，但数量庞大；–虚拟化技术：使用

6、者感觉只面对一台机器；–并行计算结构：程序必须支持并行计算•云计算类型–公有云：对外提供计算和存储服务等，utility；–私有云：对外提供应用服务，但满足低成本、虚拟化以及并行化等特点；•云计算vs.集群：–虚拟化技术+并行计算；–在云之上的应用服务开发更加规范和形式化；语音模式识别的云服务优势•在用户层面上，云端向终端提供了革命性的计算和存储能力；•对于运营商而言，云服务运营还非常易于获得海量有标签的训练样本，从而帮助研究人员持续改进识别性能。•云语音更将挑战“发音习惯，用词习惯”等传统技术难以解决的技术难点，为用户

7、带来全新的，极简的沟通体验。传统语音识别研究关心的问题•语音识别特征，是否足够鲁棒？•语音识别模型，是否足够鲁棒并具有可区分性；•语言模型，是否具有足够的覆盖度以及可回退性？•语音识别搜索，是否能尽量较少搜索误差并提高搜索效率？•………云计算减少了语音识别计算约束•应用场景产生很大变化–移动互联网环境下的应用---语音、语言自适应和个性化模型变得非常关键；•语音识别（包括中文信息处理）技术新出发点：三个近乎Unlimited–计算量可以是unlimited---穷举式搜索；–存储量可以是unlimited---无损失存储

8、；–数据量可以使unlimited---海量用户数据；云计算环境下ASR研究目标•云计算环境下具有强大个性化用户自适应能力的识别计算架构–自适应算法（尤其是语言自适应）•云计算环境下大群体用户的智慧集成–超级语音数据中心和模型中心–需要Semi-supervised标注能力•核心是如何利用好云中心的数据并迅速转化为模