跟大家请教下语音识别系统哪家做的好呢？

您好，要说语音识别技术，现在，现在在中国排名最前列的公司，那当然是科大讯飞了，科大讯飞就是做这个起家的，而且主营产品就是翻译器，还有各种产品，讯飞语音输入法等。可以说，在语音识别这个行业看，大讯飞算是一个龙头。不过，目前看，百度的人工智能也是很有成就的。百度的语音输入法也是很好的。

最近一个新的词汇语音识别渐渐热了起来，并不断见诸报端，虽然语音识别技术还处在非常幼稚的年代，但它却是计算机技术重要的未来方向，简单地说，这一技术就是让电脑听懂人的话，并作出正确反应，这是电脑在拟人化上迈出的一大步，它已经从各个方向来到了我们的生活中。

目前关于语音识别的研究以及应用重点主要集中以下几个方面:

1语音控制(Voice-Command)：即用人声控制机器的动作。目前单独支持中文或英文的语音控制环境已经比较成熟，市场上的各产品都能较好地实现，但同时支持中文和英文语音控制的产品并不多见，而目前中国众多电脑使用者大多同时使用中英文软件。

2电子发声(Voice-Text)：即让电脑念文章，这是人与电脑沟通的一个重要方面，英文电子声研究成果很多，中文还处于起步状况但此类软件还未有实质性突破，主要问题在于电子味道较浓。单词的电子发音相对较好，但连续语音方面效果较差，而且大多设置复杂，无法直接使用。不过如果将其使用在娱乐休闲等产品上，将给人特别的感觉。

3连续语音识别(ContinualSpeech)：中英文连续语音识别技术都已进入使用阶段，IBMVIAVOICE是典型产品，但同样存在无法实现中英文混合识别问题。连续语音识别目前主要的识别目前主要问题集中在：

1)在非标准音的用户需要较长的学习适应过程。

2)对于中文由于使用隐马尔科夫算法，对多音字的识别有了很大进展，但依旧存在对多音字识别的问题，目前主要的识别错误基本都来自此类问题。

4非连续语音识别(WordRecognize)：对有限词的识别技术相对较完善，但大词汇量非特定人等方面识别效果很差。尤其是对其中爆破音，后鼻音的识别十分困难。

5语音学习(Training)：这是语音识别的一个较新方向，它的侧重点与传统的语音识别不同，通常意义的语音识别是通过电脑适应人的发音来识别人的说话，而它则要求人模仿标准发音，其面临的困难是如何衡量人模仿的好坏。金洪恩公司的《随心所欲说英语》就是采用“语音学习”的技术制作的，并收到了良好的效果。

此外，目前所有的语音识别系统在有较大背景京噪声下的识别率都会显著降低，这无疑是一个重大的课题。

问过身边的朋友，几乎没人使用过语音助手。用 iPhone 的人可能会体验一两次 Siri，也是出于逗乐子的想法体验一下，权当是娱乐。轮到自己要做语音助手了，第一想法就是，怎么结合产品的业务，从场景出发，能帮到用户，不至于让他们觉得语音就是个鸡肋。目前市面上有哪些语音助手，不同类型的语音助手在使用上有哪些问题？语音助手可能的方向会是什么样的？

体验时间最长的语音助手就是 Google Now。当时推出时的卡片设计给了我深刻的印象，Google Now 会搜集你的位置数据，自动推断出你的住处和公司的位置，上下班的时间。到了那个时间，它就会自动提醒你要上班或者下班了。另外，你可以根据自己的需要定制你的卡片。比如说设置一个天气卡片，一打开的时候显示天气情况。你可以按照自己的需要，方便地定制卡片。

区别于 Siri 的是，Google Now 的设计营造了一种场景化体验：

能够调动你和它互动的欲望。它会在合适的时机主动推送你关心的消息，你会愿意跟它产生更多的互动。

较为明晰的互动边界。你能用它做什么，做不了什么？不至于让你抱着很大的期望，觉得它能做很多的事情。连续问了几个觉得还算简单的问题，都是给出一个网页的搜索结果。要是在外面，对着屏幕balabala，那岂不是失望又尴尬，还觉得傻傻的。

下图是近些年国内外的通用语音助手基本情况。

人工智能自 2016 年开始变得火热起来，但并没有新的公司做能用语音助手，而且之前好几个做语音助手的公司也都早已不做了，至少说明了一个问题：就目前的技术而言，给到的产品体验并不能让用户满意。

人们对语音助手通用的普通认识是，智能+高科技。你说一句话，它就明白你的意思，然后帮你做各样的事情。事实上，不是这么一回事。语音助手能做的事是有限的，但是它能做哪些事情，不能做哪些事情呢，用户是没有概念的。

所以，用户要使用语音助手，得先学习使用方法，怎么跟 App 对话，让它能理解你的意思。你不能随意说一句，帮我订一张明天上午 9:00 去北京的火车票，然后就期望着它能自动完成，你只管付款就好了。

了解怎么使用语音助手是一回事，学会使用后你用不用又是另一回事。 一般性的语音助手对于简单的任务处理还是很轻松的。比如说，打电话给大表哥；下午 3:00 提醒我订餐；导航去长安街。这 3 个例子，我用的最多是订闹钟提醒。就闹钟来说，使用的频率并不算高，与手动设定闹钟相比，只占到极小的一部分。定闹钟的场景比较特殊，每次要用的时候，不管是晚上还是白天，人都是在封闭的空间，保证了语音识别的良好环境和私人空间。基本上每次设定闹钟都能成功。这也是我能持续它的原因，虽然次数也不多，想到的时候才用到。

打电话，这事交给 App 总是让人感觉不靠谱。在某些特殊的场景里打电话不方便，好不容易想到用语音助手，你扯一嗓子，它要么是半天没明白你说啥，要么是把七姑的电话打给了八姨。折腾了半天发现，还是自己手动点来得快，来得靠谱。说起导航，比较有意思。我使用是魅族手机，使用语音助手导航跳转到自带的地图来显示结果。自带的地图偏偏体验又不好，我用的高德地图本身又带语音功能。现在，需要使用语音导航时反倒是先打开高德地图，然后再调起语音功能。

除了上面的三个常见的场景，还真想不到其它应用较多场景。偶尔尝试其它问题时，结果总是让人失望。你问它 960 美元可以兑换多少人民币，本以为很简单的问题了。对于不懂的问题，通用的处理手法简单又粗暴：直接列出百度的搜索结果。

关于语音助手，还有另一个感受：缺乏入口。这个入口可以是系统级的，也可以是软件级的。系统级的入口，比如各大手机厂商 Samsung，Apple，HUAWEI 直接在系统里集成语音助手快捷方式，不论你现在运行哪个应用，处在哪个界面，你都能快速调起语音助手。软件级的，比如说微信，百度搜索，高德地图，相对其它应用都是高频应用，本身就是入口，给语音助手的使用提供潜在的可能性。

第三方通用语音助手在使用上的尴尬，跟系统级语音助手是一样：用户很难在合适的场景，恰巧语音助手能够处理得了业务的时候想起使用语音助手。而通用助手面临的问题更加痛苦，操作路径比系统助手多几步。

通用助手里举个做的较好的例子，灵犀语音助手，中国移动和科大讯飞合作推出的。活跃量有 100 多万，我专门去它们论坛了解用户偏好，发现大部分用户都主要拿它来查询话费等，因为太方便了，所以又不想删掉。你看，靠着话费业务需求，产品活跃也能维持这么高。

系统型语音助手，业务产品自带语音型的助手我一直都有用。但在使用上两者有明显的特征：

做个猜想，未来语音助手会与业务场景紧密结合使用，通用的语音助手无法渗透到业务里面，语音助手最后的落地还回归各个细分产品里面。在用户使用的过程中，通过语音交互来帮助用户节省操作成本。

目前，主流的大词汇量语音识别系统多采用统计模式识别技术。典型的基于统计模式识别方法的 语音识别系统由以下几个基本模块所构成

信号处理及特征提取模块。该模块的主要任务是从输入信号中提取特征，供声学模型处理。同时，它一般也包括了一些信号处理技术，以尽可能降低环境噪声、信道、说话人等因素对特征造成的影响。 统计声学模型。典型系统多采用基于一阶隐马尔科夫模型进行建模。 发音词典。发音词典包含系统所能处理的词汇集及其发音。发音词典实际提供了声学模型建模单元与语言模型建模单元间的映射。 语言模型。语言模型对系统所针对的语言进行建模。理论上，包括正则语言，上下文无关文法在内的各种语言模型都可以作为语言模型，但目前各种系统普遍采用的还是基于统计的N元文法及其变体。 解码器。解码器是语音识别系统的核心之一，其任务是对输入的信号，根据声学、语言模型及词典，寻找能够以最大概率输出该信号的词串。 从数学角度可以更加清楚的了解上述模块之间的关系。首先，统计语音识别的最基本问题是，给定输入信号或特征序列，符号集（词典），求解符号串使得：

W = argmaxP(W | O) 通过贝叶斯公式，上式可以改写为

由于对于确定的输入串O，P(O)是确定的，因此省略它并不会影响上式的最终结果，因此，一般来说语音识别所讨论的问题可以用下面的公式来表示，可以将它称为语音识别的基本公式。 W = argmaxP(O | W)P(W)

从这个角度来看，信号处理模块提供了对输入信号的预处理，也就是说，提供了从采集的语音信号(记为S)到 特征序列O的映射。而声学模型本身定义了一些更具推广性的声学建模单元，并且提供了在给定输入特征下，估计P(O | uk)的方法。

为了将声学模型建模单元串映射到符号集，就需要发音词典发挥作用。它实际上定义了映射的映射。为了表示方便，也可以定义一个由到U的全集的笛卡尔积，而发音词典则是这个笛卡尔积的一个子集。并且有：

最后，语言模型则提供了P(W)。这样，基本公式就可以更加具体的写成：

对于解码器来说，就是要在由,,ui以及时间标度t张成的搜索空间中，找到上式所指明的W。

语音识别是一门交叉学科，语音识别正逐步成为信息技术中人机接口的关键技术，语音识别技术与语音合成技术结合使人们能够甩掉键盘，通过语音命令进行操作。语音技术的应用已经成为一个具有竞争性的新兴高技术产业。

与机器进行语音交流，让机器明白你说什么，这是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。

语音识别技术的应用情况

目前的语音识别技术在以下方面仍有提升空间：多语言支持：目前大多数语音识别系统只支持英语或某些主要语言，对于少数语言的支持较差。环境噪声抵消：在复杂的环境中，如嘈杂的商场或高速公路，语音识别系统的准确性降低。

语音技术的应用已经成为一个具有竞争性的新兴高技术产业。语音识别技术发展到今天，特别是中小词汇量非特定人语音识别系统识别精度已经大于98%，对特定人语音识别系统的识别精度就更高。这些技术已经能够满足通常应用的要求。

语音识别技术最常见的应用就是智能语音助手，如“小度在家”和“小爱同学”，它们可以帮助用户完成语音指令的识别、语音合成和自然语言理解等复杂工作。

就是VoiceUI在KeyUI的边上加上一个VoiceUI。

自动语音识别的应用说明

自动语音识别功能ASR(AutomaticSpeechRecognition)即语音识别技术，是指将人说话的语音信号转换为可被计算机程序所识别的文字信息，从而识别说话人的语音指令以及文字内容的技术。

语音识别应用场景有下面几个方面语音输入摆脱生僻字和拼音障碍，使用语音即时输入。略带口音的普通话、粤语四川话方言、英文，均可有效识别，并可根据句意自动纠错、自动断句添加标点，让输入更快捷，沟通交流更顺畅。

语音质检语音质检普遍被应用在智能外呼和客服领域。

语音识别技术的应用非常广泛，可以用于智能客服、智能家居、智能导航、智能汽车等领域。它可以帮助人们更快更准确地完成任务，提高工作效率。此外，它还可以用于语音识别软件，帮助人们更快更准确地输入文字，提高工作效率。

有好用的语音导览器介绍吗

您可以使用腾讯路宝，可以语音导航的！路宝产品的一个显著特征是，腾讯在与汽车厂商合作的基础上研发了“驾驶行为打分功能”。

讲解器语音导览。由一名解说员佩戴讲解器发射器带领一群佩戴接收器的参观者。以上第三，第四种方式大多都在室内展览，如博物馆、展览馆等，而讲解器室内室外皆适用。

博物馆讲解器将尽可能多地为博物馆提供导览服务。为了把有限的资源用在“刀刃”上，蓝牙团队讲解器进驻的场馆都经过筛选，体现历史文化价值、展品内容丰富的场馆成为优选。

团队语音导览，针对团队接待参观。团队语音导览，顾名思义便是针对有接待需求的展馆/景区，有专门的讲解员进行接待。

现在很多手机浏览器都支持语音呀，UC，QQ，海豚等，不过我觉得还是UC浏览器做得最好，用了很多年，习惯了也很好用。

旅游领域：在旅游领域，小鱼易连可以用于导游与游客之间的语音导览、景点介绍等。教育领域：在教育领域，小鱼易连可以用于学生之间的语音交流、教师与学生之间的语音互动等。

语音识别可以应用到哪些场景

1、此外，在智能家居领域，语音识别技术也得到了广泛应用，智能音箱可以通过语音指令控制家电，实现智能家居的场景搭建。除此之外，语音识别技术还可以被用于语音搜索、电话客服等领域。

2、语音识别技术的应用非常广泛，可以用于智能客服、智能家居、智能导航、智能汽车等领域。它可以帮助人们更快更准确地完成任务，提高工作效率。此外，它还可以用于语音识别软件，帮助人们更快更准确地输入文字，提高工作效率。

3、文字录入是语音识别最基本的应用，一般通过语音输入法进行。这方面做得较好的有IBM、微软、科大讯飞等，很多输入法都用的是讯飞的语音识别引擎。

4、语音识别是将语音精准识别为文字，可适用于手机语音输入、智能语音交互、语音指令、语音搜索等短语音交互场景。语音识别应用场景有下面几个方面语音输入摆脱生僻字和拼音障碍，使用语音即时输入。

5、GoogleAssistant：GoogleAssistant是谷歌公司的语音识别应用，它支持多种语言，可以帮助用户完成各种任务，如打电话、查询天气预报、播放音乐等。

6、未来语音识别技术的应用前景如下：智能家居：可以控制家里的灯，电视，空调等电器。智能汽车：可以控制汽车的导航，音乐，空调等系统。医疗：可以帮助医生快速记录病人的病历，并帮助病人自我诊断。

语音识别技术原理是什么及应用

所谓模型锻炼就是指依照一定的原则，从大量已知语音形式中获取一个最具特征的模型参数。而形式匹配则相反，是依据一定原则，将未知语音形式与模型库中的某一个模型取得最佳匹配。

语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。

语音识别技术是一种将语音转换为文本的技术。它通常包括两个主要步骤：语音预处理和语音识别。语音预处理步骤包括语音信号的采集、降噪、分帧、特征提取等操作。

语音识别技术，目标是将人类的语音中的词汇内容转换为计算机可读的输入。

语音识别控制系统是什么

1、语音控制系统可以用语言完成传统的按键操作，可以让驾驶员眼睛向前看，手不离方向盘，从而保证更高的安全性。语音控制功能是否好用，取决于语音识别的程度。

2、智能语音控制系统是什么原理1语音采集模块主要完成信号调理和信号采集等功能，它将原始语音信号转换成语音脉冲序列，因此该模块主要包括声/电转换、信号调理和采样等信号处理过程。

3、语音识别：给机器装上耳朵，使其能够听懂人的语音指令。智能语音识别系统：能够对语音识别到的信息进行进一步的处理，一般来说是将语音识别、NLP自然语言理解、知识库三方面与应用向结合。使用户通过自然的语言来控制相应设备。

4、语音识别控制系统是一项便利性配置，若揽胜星脉有语音识别控制系统，揽胜星脉车主可以按下方向盘上的语音按键或直接呼出，可以实现呼叫电话、控制音量、调节空调、查询路线等功能。

5、一汽-大众揽巡搭载的IQ科技互联系统是一大亮点，在消费者中得到了充分地认可。这个系统拥有着强大的语音识别控制功能，让车主可以通过自然语音与车机系统进行对话交流，系统会快速做出反应，获知客户的需求，并根据指令做出操作。

6、以下是相关介绍：定义：语音识别控制系统是一项便利性配置，若帕萨特有语音识别控制系统，帕萨特车主可以按下方向盘上的语音按键或直接呼出，可以实现呼叫电话、控制音量、调节空调、查询路线等功能。

语音情感识别和脸部情感识别相比,各有方便、技术成熟、直观、难以伪造的优势。语音识别技术的应用通常是在人机交互上，让机器通过是被和理解语音信号之后转化为相应的文本和命令然后进行执行。人脸识别网络技术使用通用的摄像机作为识别数据信息资源获取装置，以非接触的方式在识别研究对象未察觉的情况下完成识别发展过程。语音情感识别和脸部情感识别各具有以下优势：

1、语音情感识别优势。和脸部情感识别技术相比，语音识别技术的优势似乎更加明显，语音识别技术不会遗失和忘记数据，不用记忆，在应用的时候也比较方便。语音识别技术比较成熟，用户的接受度也很高，声音输入设备造价也很具有优势，在隐私问题上，语音识别技术也比较有保障，所以推广使用还是很有市场的。

2、脸部情感识别优势。人脸识别系统使用可以方便，人脸识别技术是以人脸图像为基础的，最直观的信息来源，便于人工确认和审核。人脸识别技术是独一无二的，与语音情感识别技术相比，人脸识别技术具有准确率高、难以伪造、误识别率和拒识率低的特点。