语音识别系统市场前景及发展趋势

　　国外研究：

　　从开始研究语音识别技术至今，语音识别技术的发展已经有半个多世纪的历史。语音识别技术研究的开端，是Davis等人研究的Audry系统，它是当时第一个可以获取几个英文字母的系统。到了20世纪60年代，伴随计算机技术的发展，语音识别技术也得以进步，动态规划和线性预测分析技术解决了语音识别中最为重要的问题——语音信号产生的模型问题；70年代，语音识别技术有了重大突破，动态时间规整技术（DTW）基本成熟，使语音变得可以等长，另外，矢量量化（VQ）和隐马尔科夫模型理论（HMM）也不断完善，为之后语音识别的发展做了铺垫；80年代对语音识别的研究更为彻底，各种语音识别算法被提出，其中的突出成就包括HMM模型人工神经网络（ANN）；进入90年代后，语音识别技术开始应用于全球市场，许多著名科技互联网公司， 如IBM，Apple等，都为语音识别技术的开发和研究投入巨资；到了 21 世纪，语音识别技术研究重点转变为即兴口语和自然对话以及多种语种的同声翻译。

　　国内研究：

　　国内关于语音识别技术的研究与探索从20 世纪80 年代开始，取得了许多成果并且发展飞速。例如：清华大学研发的语音识别技术以1183 个单音节作为识别基元，并对其音节进行分解，最后进行识别，使三字词和四字词的准确率高达98%；中科院采用连续密度的HMM，整个系统的识别率达到89.5%，声调和词语的识别率分别是 99.5%和95%。目 前，我国的语音识别技术已经和国际上的超级大国实力相当， 其综合错误率可控制在10%以内。

　　清华大学电子工程系语音技术与专用芯片设计课题组，研发的非特定人汉语数码串连续语音识别系统的识别精度，达到94.8%（不定长数字串）和96.8%（定长数字串）。在有5%的拒识率情况下，系统识别率可以达到96.9%（不定长数字串）和98.7%（定长数字串），这是目前国际最好的识别结果之一，其性能已经接近实用水平。研发的5000词邮包校核非特定人连续语音识别系统的识别率达到98.73%，前三选识别率达99.96%；并且可以识别普通话与四川话两种语言，达到实用要求。

　　中科院自动化所及其所属模式科技（Pattek）公司2002年发布了他们共同推出的面向不同计算平台和应用的“天语”中文语音系列产品——PattekASR，结束了中文语音识别产品自1998年以来一直由国外公司垄断的历史。

　　在新兴产业市场需求的推动下，语音识别的市场也是十分具有看头的，有研究机构指出，预计到2020年，全球语音识别的市场规模将从2015年的61.9亿美元增长到200亿美元。然而，在市场规模壮大这一美好的预测面前，我们也不能忽视一些需要面对的问题，只有解决了它们，语音识别才能得到完善，给用户带来极致服务。

　　首先就是对象识别的准确性。现在，在应用上，我们看见语音识别多是在智能家居领域，包括智能家电和服务机器人。此时，我们就要考虑一个问题了，当多个家庭成员同时讲话时，智能家电和服务机器人该执行谁的命令呢？它们又如何能在众声音中找出自己主人的命令？这些都是当前语音识别所需要解决的问题，毕竟我们通常所说的语音识别不仅仅只是单纯的对语音内容进行识别。

　　在这个问题上，人们也找到了一个解决方案——声纹识别。一般来讲，声纹具有唯一性，对说话人身份的确认有着极大的帮助。借助于声纹识别，语音识别能够准确对说话人的位置和身份进行定位，从而准确识别语音内容，执行其中下达的指令。不过，鉴于数据的极大空缺等问题，声纹识别技术还需完善。

　　其次是降低周边环境的干扰。对于人类来讲，在嘈杂环境中听别人说话或是从众多声音中找出自己想听的内容还是一件较为简单的事，而与此相反，这件事在机器这里并没有那么容易。

　　为了降低周边环境对语音识别的干扰，亚马逊和谷歌都在智能音箱中使用了麦克风阵列技术，从而起到一定的“降噪”作用，增加语音识别的准确率。不过，到目前为止，环境的干扰依然没有得到更好的解决，仍然是语音识别前进道路中的一只“拦路虎”，尤其是在多段语音中准确找出指定说话人的情境中。

　　在一次采访中，和机器学习权威学者、百度首席科学家吴恩达表示，2017年是“对话式电脑”快速发展的一年。对话式电脑，诸如聊天机器人、人工智能虚拟助手之类，作为展开对话的第一步，语音识别也属于这快速发展的一部分。

　　在、等多种产业以及聊天机器人、虚拟助手这些产品市场的推动下，语音识别的市场正在不断扩大，同时也是对它准确性的一个挑战。