在计算机发明之前，自动语音识别的思想已经提上日程，早期的声码器可以作为语音识别和合成的原型。 “Radio Rex” 20世纪20年代生产的玩具狗可能是最早的语音识别器。当叫狗的名字时，它可以从基地弹出。最早的基于计算机的语音识别系统是由AT＆amp; amp; T Bell Labs开发的Audrey语音识别系统，其识别10个英文数字。它的识别方法是跟踪语音中的共振峰。系统获得了98％的正确率。到20世纪50年代末，伦敦Colledge的Denes为语音识别增加了语法概率。在20世纪60年代，人工神经网络被引入到语音识别中。这个时代的两个重大突破是线性预测编码（LPC）和动态时间扭曲。语音识别技术最重大的突破是隐马尔可夫模型隐马尔可夫模型的应用。从鲍姆的相关数学推理出发，通过Labiner等人的研究，卡内基梅隆大学的李开复最终实现了基于隐马尔可夫模型的第一个大词汇量语音识别系统Sphinx。严格来说，语音识别技术还没有离开HMM框架。尽管研究人员一直试图推广“听写机器”。多年来，语音识别技术目前无法支持无限领域，无限制的扬声器听写应用。作为一款软件产品，微软多年来一直致力于语音识别技术的研究。要了解有关当前语音识别产品的更多信息，请访问Microsoft .NET语音技术网站。与此同时，微软将继续投资语音识别研究。雷蒙德和中国的研发团队正致力于解决困扰语音识别领域的一些技术缺陷。其中，一项名为Dr. Who的研究项目旨在解决噪音问题，并努力确保您的计算机能够在办公室外的嘈杂环境中识别语音信息（例如汽车或有很多人的餐馆）。语音识别技术的应用包括语音拨号，语音导航，室内设备控制，语音文档检索和简单的听写数据输入。语音识别技术结合其他自然语言处理技术（例如机器翻译和语音合成技术）可用于构建更复杂的应用，例如语音到语音翻译。语音识别技术所涉及的领域包括：信号处理，模式识别，概率论和信息论，声乐机制和听觉机制，人工智能等。语音到文本软件和自动电话服务等应用背后的关键技术是语音识别。在这些应用中，语音识别准确性是关键的，并且为了做到这一点，语音到文本转换软件通常要求用户“训练”。安装过程中的软件，软件本身必须随着时间的推移而变慢。慢慢适应用户的语音模式。需要与多个扬声器交互的自动语音服务不允许用户训练软件，因为他们必须能够首先为任何用户提供服务。为了解决识别准确度低的问题，这些系统只能处理小词汇或严格限制用户可以使用的词或模式。自动语音识别的最终目标是提供即用型语音识别服务，该服务可自动快速适应任何扬声器。该系统适用于所有用户和条件，无需用户培训。 “这个目标在移动互联网时代尤其重要，”于东博士说。 “因为语音是智能手机和其他移动设备不可或缺的接口模型。虽然个人移动设备是收集和学习用户语音的理想选择，但用户语音功能将继续仅用于初始体验，即为用户建立模型之前的体验。“非特定人员语音识别技术对于没有机会或手段适应用户的语音识别系统也是非常重要的。例如，在呼叫中心，呼叫者的身份是未知的，通话时间只有几秒钟;例如，用户可能不愿意提供“语音到语音”。因担心隐私问题而翻译网络服务。保留语音样本。有关更多精彩内容，请访问Weiku Electronics（wiki.dzsc.com）