从历史视角看语音识别.PDF

评论文章 DOI:10.1145/2500887 我们现在知道哪些40 年前尚不知道的东西？ 作者：黄学东、JAMES BAKER 、RAJ REDDY 从历史视角 看语音识别 随着苹果推出 Siri ，谷歌和微软推出类似的 语音搜索服务，人们自然想知道，为什么语 音识别技术花了这么长时间才发展到这样的 水平。同时，我们也想知道，该技术什么时 主要见解 候才有望达到较接近人类水平的性能。1976 从卡耐基梅隆大学几代研发人员 开始，本文对过去 40 年人们从 年，作者之一 (Reddy) 写了一篇关于当时语 语音识别技术进步所获得的启示 进行了探讨。 音识别最高水平的综述文章。该领域的非专 这些年的一些主要成就已被证实 业人士阅读原文会有所收获。34 在这里，我 可以实际用于苹果、微软等公司 们共同从历史视角来阐述语音识别领域的进 的领先行业语音识别系统。 语音识别将通过图灵测试，使星 步。由于篇幅限制，本文将不进行全面的技 际迷航般的移动设备愿景成为现 术评述，而是将范围限定为讨论 40 年前所没 实。这将有助于消除人类与机器 之间的隔阂。这将有利于促进和 有的语音识别技术以及那些帮助解决了一些 增强人们之间的自然会话。实现 这个大胆的梦想需要解决的六项 最棘手问题的进步。 难题。 94 ACM 通讯 | 2014 年 1 月 | 第 57 卷 | 第 1 期 语音识别多年来一直是科幻小 过现实。语音识别技术是少有的例 费更自然。2001 年，比尔盖茨 说的常见场景，但是在1976 年其 外之一。语音识别的独特性不仅仅 在美国消费电子展 (CES) 上展示 实际水平与虚构世界中那些牵强附 是因为其成就：尽管已有成果斐然， 了一台代号为 MiPad 的原型机。 会的功能大相径庭。尽管如此， 但剩下的难题和目前已克服的一样 16Mipad 展现了语音多模态移动设 Reddy 大胆预测，未来 10 年内有 令人生畏。 备的愿景。随着最近苹果、谷歌 望实现成本为 20000 美元的联网 1995 年，Windows 95 上首 和微软在产品中采用语音识别技 语音系统。虽然超出了预计时间， 次搭载微软 SAPI ，它使应用程序 术，我们正