语音识别技术在人工台智能化应用
作者：赵若言
来源：《电子技术与软件工程》2018年第17期
摘要
随着社会经济的发展以及科学技术的进步，人工智能技术得到极大的发展，其中语音识别技术在各个领域的应用越来越广泛，为人们的生产生活提供了极大的便利。但是，在科技发展迅速的今天，诸多成熟高科技仍未能运用到一些重要领域通信保障日常建设中来。本文就语音识别技术在某些特殊领域人工台设备的应用进行了探讨。
【关键词】语音识别 人工台 人工智能
三八贺词 1 前言
常务副总经理
随着云计算、模型算法、资源整合以及大数据等新技术的发展与成熟，人工智能技术如今进入了爆发式增长期。该技术引发了传统领域的创新与变革，并己全方面向人们的日常生活渗透，改变了原本的生活方式。其中智能语音技术率先发展成熟起来，展现出了广阔的行
业发展前景。然而，目前一些重要岗位人工台话务员查号报号主要靠人工记忆和人工查找，不具有智能型。且对于这类人工话务员的训练周期过长，是对人力资源造成极大浪费，对人工话务台的升级改造己刻不容缓。现阶段民用语音识别技术已经相对成熟，利用语音识别技术对人工话务台进行升级具有较大的现实意义。
2 语音识别技术概述
2.1 什么是语音识别技术
语音识别技术，也被称为自动语音识别婴幼儿米粉>雨下一整晚歌词Automatic Speech Recognition（ASR大刀阔斧），其目标是将人类语音中的词汇内容转换为计算机可以读的输入，例如按键、二进制编码或者字符序列。通俗地说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，也就是让机器听懂人类的语言。
2.2 语音识别技术的发展
凤梨科 语音识别的研究工作开始于20世纪50年代，第一个语音识别系统源于AT&T贝尔实验室的Andry系统，它可实现十个英文数字的识别。60含天年代，计算机技术的发展使得语音识
别取得实质性进展，为语音识别的实现在硬件和软件上提供了平台。在这个时期，提出的动态规划（DP，Dynamic Programming）和线性预测分析技术（LP）两项技术可应用于语音识别。80年代，HMM模型在语音识别中的成功应用及人工神经网络在语音识别中的研究进一步推动了语音识别研究工作。到2006年，微软利用Hinton逐层贪婪无监督预训练深度网络，成功地将深度学习应用到其语音识别系统中，使识别错误率降低了约30%，这是语音识别领域中的一次重大突破。随后，微软又利用基于上下文相关的深度神经网络一隐马尔科夫模型（Context-dependent DNN-HMM，平敦盛CD-DNN-HMM）对大词汇量语音识别的研究成果，对语音识别系统的原有技术框架进行了彻底改造，语音识别技术进入新时代。
