語音識別技術的研究與發展

4.5 支持向量機（SVM)

支持向量機是應用統計學習理論的一種新的學習機模型，它采用結構風險最小化原理(SRM)，有效克服了傳統經驗風險最小化方法的缺點，在解決小樣本、非線性及高維模式識別方面有許多優越的性能[4]。其基本思想可以概括為：首先通過非線性變換將輸入空間變換到一個高維空間，然后在這個新空間中求取最優線性分類面，而這種非線性變換是通過定義適當的內積函數實現的。目前，統計學習理論和支持向量機也是國際上機器學習領域的研究熱點。

5 語音識別所面臨的問題

盡管語音識別取得很大成功，但是距離真正的人機自由交流還有很大的距離。例如，目前計算機還需要對用戶做大量訓練才能更準確識別，用戶的語音識別率也并不是盡如人意。主要難題有以下幾個方面：

(1)識別系統的適應性差。主要體現在對環境依賴性強，特別在高噪音環境下語音識別性能還不理想。

(2)語音識別系統從實驗室演示系統到商品的轉化過程中，還有許多具體問題需要解決。例如，識別速度、拒識等問題，還有連續語音中去除不必要語氣詞如“呃”、“啊”等語音的技術細節問題。

(3)語言學、生理學、心理學方面的研究成果已有不少，但如何把這些知識量化、建模并用于語音識別，還需要進一步研究。

面對上面的困難，語音識別技術要做到真正成功，在任何環境中都能人機進行自由地對話，不僅需要語音識別基礎理論的突破，更需要大量的實際工作的積累。

6 語音識別技術的前景展望

語音作為當前通信系統中最自然的通信媒介，語音識別技術是非常重要的人機交互技術。隨著計算機和語音處理技術的發展，語音識別系統的實用性將進一步提高。應用語音的自動理解和翻譯，可消除人類相互交往的語言障礙。國外已有多種基于語音識別產品(如聲控撥號電話、語音記事本等)的應用，基于特定任務和環境的聽寫機也已經進入應用階段。這預示著語音識別技術有著非常廣泛的應用領域和市場前景。隨著語音技術的進步和通信技術的飛速發展，語音識別技術將為網上會議、商業管理、醫藥衛生、教育培訓等各個領域帶來極大的便利[5]，其應用和經濟、社會效益前景非常良好。

參考文獻

[1] 王炳錫，屈丹，彭煊.實用語音識別基礎[M].北京：國防工業出版社，2005.

[2] 劉么和，宋庭新.語音識別與控制應用技術[M].北京：科學出版社，2008.

[3] 詹新明，黃南山，楊燦.語音識別技術研究進展[J].現代計算機，2008，291(9)：43-45.

[4] 柳春.語音識別技術研究進展[J].甘肅科技，2008，24(9)：41-43.

[5] 高新濤，陳乖麗.語音識別技術的發展現狀及應用前景[J].甘肅科技縱橫，2007，36(4)：13.