语音识别进化简史：从造技术到建系统.pdfVIP

应用案例 48-49 APPLICATION CASE A Brief History of Speech Recognition Evolution: From Building Technology to Building Systems 语音识别进化简史：从造技术到建系统 文 /Alter 编辑 / 张心怡 摘要 :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。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。 美国知名投资机构Mangrove Capital Partners在《2019年语音技术报告》中， 给语音下了一个宏大的定义——欢迎下一代的颠覆者。可如果把时间倒退10年，大部 分人还是会把“语音交互”定义为一场豪赌，都知道赢面比较大，却迟迟不敢下注， 因为概念的落地还没有一个明确的期限，当正确的路径被走通之前，永远都存在不确 定性。不过在此前的80年里，人类对语音技术的希望从未破灭，就像是在迷宫中找寻 出口一般，一遍又一遍的试错，最终找到了正确的路径。 1 漫长的孩提时代 “小度小度，明天天气怎么样 ?”“小 快速发展的阶段，模式识别思想、动态规 度小度，我想听周杰伦的歌。” “小度小度， 划算法、线性预测编码等开始应用；上世 我想给爸爸打电话。”诸如这样的指令每 纪 80 年代，语音识别开始从孤立词识别系 天有几亿次发生，哪怕是牙牙学语的孩子 统向大词汇量连续语音识别系统发展，基 也可以和智能音箱进行流畅的对话。 于 GMM-HMM 的框架成为语音识别系统 但在 50 年前，就职于贝尔实验室的约 的主导框架；上世纪 90 年代，出现了很多 翰·皮尔斯却在一封公开信中为语音识别下 产品化的语音识别系统，比如 IBM 的 Via- 了“死亡诊断书”：就像是把水转化为汽油、 vioce 系统、微软的 Whisper 系统、英国 从海里提取金子、彻底治疗癌症，让机器 剑桥大学的 HTK 系统；但在进入 21 世纪 识别语音几乎是不可能实现的事情。 后，语音识别系统的错误率依然很高，再 彼时距离首个能够处理合成语音的机 次陷到漫长的瓶颈期。直到 2006 年 Hiton 器出现已经过去 30 年的时间，距离发明出 提出用深度置信网络初始化神经网络，使 能够听懂从 0 到 9 语音数字的机器也过去 得训练深层的神经网络变得容易，从而掀 了 17 个年头。这两项创造性的发明均出自 起了深度学习的浪潮。 贝尔实验室，但语音识别技术的缓慢进展， 只是在 2009 年之前 70 年左右的漫长 几乎消磨掉了所有人的耐心。 岁月里，中国在语