（文章來(lái)源：智能甄選）

如今，隨著新技術(shù)的出現(xiàn)，通訊方式發(fā)生了變化。例如，當(dāng)我們呼叫大型企業(yè)時(shí)，自然人永遠(yuǎn)不會(huì)接聽(tīng)我們的電話。取而代之的是，自動(dòng)語(yǔ)音錄音會(huì)回答并指示您按按鈕來(lái)瀏覽內(nèi)置菜單。許多移動(dòng)應(yīng)用程序開(kāi)發(fā)公司已經(jīng)提出了一些想法，不僅僅是按一下按鈕?？蛻糁恍枰f(shuō)幾句話就能解決他們的疑問(wèn)。

這怎么可能？這都是由于語(yǔ)音識(shí)別程序可以通過(guò)聲學(xué)和語(yǔ)言建模使用算法來(lái)工作。聲學(xué)建模表示語(yǔ)音和音頻信號(hào)的語(yǔ)言單元之間的連接，而語(yǔ)言建模則將聲音與單詞序列進(jìn)行匹配，以區(qū)分聽(tīng)起來(lái)相似的單詞。

該軟件可以在家庭和企業(yè)中使用，可以使用戶與計(jì)算機(jī)說(shuō)話，并通過(guò)文字處理和語(yǔ)音識(shí)別將其單詞轉(zhuǎn)換為文本。您可以訪問(wèn)功能命令，例如設(shè)置鬧鐘，打開(kāi)文件，在您最喜歡的餐廳進(jìn)行預(yù)訂等等。另一方面，某些移動(dòng)應(yīng)用程序用于精確的業(yè)務(wù)設(shè)置，例如醫(yī)療或法律記錄。語(yǔ)音識(shí)別的不可靠性是其不可靠的原因。有時(shí)，單詞識(shí)別平臺(tái)無(wú)法理解口音或語(yǔ)音障礙。并且僅僅識(shí)別聲音是不夠的-軟件還必須識(shí)別新單詞和專有名詞。

世界上充斥著智能手機(jī)，智能汽車和智能設(shè)備，但我們并不總是考慮語(yǔ)音在這些設(shè)備中扮演的角色。語(yǔ)音識(shí)別非常復(fù)雜！例如，假設(shè)孩子如何學(xué)習(xí)語(yǔ)言。從孩子出生的那天起，聲音就圍繞著它們。盡管很小的孩子不懂這些單詞，但他們會(huì)吸收所有的提示和發(fā)音，并且他們的大腦會(huì)根據(jù)父母的溝通方式形成模式和聯(lián)系。

語(yǔ)音識(shí)別技術(shù)的工作原理基本上相同：用戶通過(guò)在移動(dòng)應(yīng)用上調(diào)用語(yǔ)音識(shí)別來(lái)說(shuō)出一些單詞。語(yǔ)音由識(shí)別軟件處理并轉(zhuǎn)換為文本。然后將轉(zhuǎn)換后的文本作為輸入提供給搜索機(jī)制，該搜索機(jī)制返回結(jié)果。Google的機(jī)器學(xué)習(xí)算法現(xiàn)在已達(dá)到英語(yǔ)的95％的單詞準(zhǔn)確率。

更輕松，更快捷：最初，傳遞命令的唯一選擇是使用鍵盤。通過(guò)語(yǔ)音識(shí)別，與設(shè)備的通信變得更快，更自然。精確運(yùn)行：避免出現(xiàn)錯(cuò)誤，用戶可以專注于自己在做什么，而不用看著手機(jī)。提高生產(chǎn)力：基于語(yǔ)音的移動(dòng)應(yīng)用程序可提供簡(jiǎn)化的操作，從而提高操作效率。安全性提高：語(yǔ)音技術(shù)可以快速，安全地解釋和遵循，并且需要的培訓(xùn)更少。多種用途：通過(guò)移動(dòng)設(shè)備的基于語(yǔ)音的命令有助于執(zhí)行任務(wù)。為什么重要

通過(guò)將語(yǔ)音識(shí)別技能集成到您的移動(dòng)應(yīng)用中，您無(wú)需使用手機(jī)的鍵盤即可完成更多工作。給某人發(fā)短信時(shí)，鍵入較長(zhǎng)的語(yǔ)句可能會(huì)導(dǎo)致錯(cuò)誤，并且總是很乏味，但是具有語(yǔ)音功能，您可以享受免提通信的體驗(yàn)。借助語(yǔ)音技術(shù)，移動(dòng)應(yīng)用程序開(kāi)發(fā)人員可以增加用戶交互和用戶體驗(yàn)，因?yàn)橐苿?dòng)應(yīng)用程序命令提供了解決UX問(wèn)題的獨(dú)特方法。無(wú)論您是想避免分心還是無(wú)法操縱觸摸屏，語(yǔ)音助手都是最簡(jiǎn)單的解決方案。

實(shí)時(shí)響應(yīng)行為：實(shí)時(shí)響應(yīng)取決于網(wǎng)絡(luò)功能，網(wǎng)絡(luò)連接和設(shè)備的麥克風(fēng)。當(dāng)用戶提供語(yǔ)音命令時(shí)，移動(dòng)應(yīng)用必須與服務(wù)器交互才能將語(yǔ)音數(shù)據(jù)轉(zhuǎn)換為文本。文本轉(zhuǎn)換并發(fā)送回設(shè)備后，即可執(zhí)行操作。發(fā)送和接收應(yīng)用行為的過(guò)程稱為實(shí)時(shí)響應(yīng)行為。如果定義的動(dòng)作是搜索，則設(shè)備向服務(wù)器發(fā)送另一個(gè)請(qǐng)求以獲取結(jié)果。在這種情況下，網(wǎng)絡(luò)延遲可能是最具挑戰(zhàn)性的事情。為了解決這個(gè)問(wèn)題，開(kāi)發(fā)人員必須確保正確優(yōu)化了應(yīng)用程序的源代碼。此外，他們可以將語(yǔ)音識(shí)別和搜索功能移至服務(wù)器端。語(yǔ)言和口音：每種軟件均不支持所有語(yǔ)言，并且開(kāi)發(fā)人員需要確定目標(biāo)受眾的區(qū)域，以便做出有關(guān)公認(rèn)的語(yǔ)言或口音的戰(zhàn)略決策。

百度：百度來(lái)自中國(guó)的一項(xiàng)技術(shù)，專注于與互聯(lián)網(wǎng)相關(guān)的服務(wù)和AI。這種語(yǔ)音識(shí)別技術(shù)是深度學(xué)習(xí)，計(jì)算機(jī)視覺(jué)，語(yǔ)音識(shí)別和合成，自然語(yǔ)言理解，數(shù)據(jù)挖掘和BI的融合。它依賴于深度學(xué)習(xí)算法，其中包括訓(xùn)練神經(jīng)元的多層虛擬網(wǎng)絡(luò)以識(shí)別大數(shù)據(jù)的模式。百度移動(dòng)應(yīng)用程序使用戶可以使用語(yǔ)音進(jìn)行搜索，并帶有名為Duer的語(yǔ)音助手。語(yǔ)音查詢?cè)谥袊?guó)更為流行，因?yàn)檩斎胛谋靖雍臅r(shí)，而且某些人不知道如何使用拼音。Siri：“嘿Siri”功能使用戶可以調(diào)用免提通信模式。Siri在iOS7中的工作比在早期版本中要好得多。Siri的反應(yīng)速度更快，理解得更多，而且說(shuō)話也更加自然。

語(yǔ)音識(shí)別技術(shù)確實(shí)已經(jīng)走了很長(zhǎng)一段路，并且隨著移動(dòng)應(yīng)用程序開(kāi)發(fā)公司之間的激烈競(jìng)爭(zhēng)，語(yǔ)音識(shí)別技術(shù)的進(jìn)步是我們前進(jìn)的道路。
? ? ? （責(zé)任編輯：fqj）