1、首先，讓我們看看人體的聲音系統(tǒng)是如何進行工作的。人體的空氣通過肺，然后通過導管傳遞到喉嚨。喉嚨本身是一個非常復雜的系統(tǒng)，包括發(fā)音的主要核心部分-聲帶。人體嘴唇，鼻腔，咽喉等通過振蕩等處理流程共同控制了發(fā)音，頻率，男女發(fā)音等不同的語音參數。
人的語言系統(tǒng)可以轉化成一個工程化的處理流程來模擬真正的人體發(fā)音。通過工程轉化以后的示例結果如下。因為性別的不同，男性和女性的音高有所不同，女性的范圍大概在120-500Hz之間，男性則為50-250hz 之間。
2、語音識別需要考慮很多的環(huán)境因素和人自己本身的因素。人們發(fā)音環(huán)境受很多因素的影響：
- 每個人都發(fā)音都是獨特的，而且每個人都口音也不同。
- 每個人都說話方式也完全不同，在有壓力的狀態(tài)下和無放松環(huán)境中，語音可能完全不同。
- 講話環(huán)境不同可能導致不同的語音信號，增加了語音識別的復雜程度。
總體來說，語音識別的基本流程概括如下：
- 根據以上圖例說明，基本的語音識別流程大概幾個主要的處理流程。首先原始的語音通過Feature Extraction 功能提取過程，此過程通過各種環(huán)境變量，把原始語音中有價值的語音數據提取出來，過濾掉一些不相關的數據，形成一組緊湊，穩(wěn)定的，可識別的數據，以方便通過數據模型來進行處理。
- 在模式識別中，此處理流程需要通過語法，語音模型和詞匯處理來對提取出來的語音進行加工。在模式識別處理中，識別模型使用了Hidden Markov Models （HMM） 模型來進行處理。HMM是一種數學結構模型，它分為兩個部分。第一個部分是把語音按序轉化成一種有方向性的圖形。第二部分在給定的狀態(tài)下，把所需功能進行模式化處理。如果大家需要了解更多具體的HMM細節(jié)，請參考相關技術文檔。
3、Endpoint detection（終端檢測）是針對背景噪音進行處理。它主要解決的問題是來自背景噪音的連續(xù)信號中部分獨立的語音進行分析處理。比較早的語音識別技術只能識別各自獨立的，缺乏對終端檢測的準確判斷。比較新的語音識別技術中可以對識別連續(xù)的語音。新語音識別技術可以通過訓練樣本來進行獲得準確的結果。
在話語識別中，兩個主要的任務就是speaker verification 和 speaker identification。其中speaker verification 主要的目的就是實現(xiàn)講話人的驗證，講話人通過密碼輸入，其他相關編碼來識別器身份。講話者的驗證最終輸出的結果是接受此驗證或者拒絕此驗證；
而speaker identification 的主要作用是從講話人中間確定某一個的身份。最終的輸出結果是以模型為基礎，從各種講話人中找到最相似的結果。
Text-to-Speech（TTS）文本語音合成也是MRCP重要的一個技術概念。其主要目的是通過前后端引擎的處理，把自然文本語言轉化成語音流的過程。通過合成處理以后，其結果必須是正確的，智能的，當然也要具有語言的自然性。語音IVR就是一個非常典型的例子。以下圖例是一個語音合成的實現(xiàn)流程圖：
前端處理主要負責用戶輸入的文本文字經過解析分析對比，然后形成語句單元，聲音音量等相關標簽。后端處理則根據前端的輸出結果存儲，重新排序，存儲，和數據庫的語句查詢重新構建語音流。后端處理中的Unit Selection是一個比較重要的技術話題，它涉及了數據庫存儲方面的問題和語義單元存儲方式的問題，包括存儲全句還是偏語或者其他的關鍵詞等。我們這里不再做過多討論。在未來的MRCP合成中會涉及。
4、在本期的分享學習中，我們介紹了幾個基本的關于語音識別的概念和基本的處理流程。因為篇幅的關系和討論的側重點不同，這其中沒有涉及很多重要的概念，例如統(tǒng)計模型，語言模型，訓練，Mel-cepstrum等話題。我們主要把未來需要的幾個重點概念和處理流程做了簡要介紹，結合了幾個拓撲圖來幫助大家進一步了解語音識別的技術核心要素。當然，這些內容遠遠不能涵蓋語音識別的技術深度，并且難免存在很多問題，用戶需要自己通過語音識別的權威技術資料做進一步的研究。
關注微信公眾號：asterisk-cn，獲得有價值的行業(yè)分享
freepbx 技術論壇：www.ippbx.org.cn
Asterisk， freepbx技術文檔： www.freepbx.org.cn
歐米（Omni）智能客服解決方案
融合通信商業(yè)解決方案，協(xié)同解決方案首選產品：www.hiastar.com
