">

人工智发展迅速，但想要让它的发展更进一步就必须做好语音识别技术。由于人类语言和语音的复杂性，导致目前语音识别技术还处于初期发展阶段，语音识别技术如何推进是发展人工智能必须解决的问题。

亚马逊的语音功能设备Alexa能辨别孩子的声音，并根据需求在网上订购商品——这是该设备的一个使用案例。当一家人在电视观看以上关于亚马逊设备的报道时，发现他们的亚马逊设备已经帮他们订购了这一产品，因为这些设备也听到了该篇新闻报道——这是该设备的另一个用例。有了语音识别加持的人工智能设备已经越来越强大，其实用性也更是让人意想不到。

继60年前贝尔实验室发明了奥黛丽语音识别系统（Audrey），50年前IBM展示了Shoebox语音识别系统之后，上述案例再次凸显了语音识别技术的力量。

由于电子革新和人工智能的进步，语音识别在过去几十年里取得了巨大改进。然而在某种程度上，即使像语音激活助手之类的奇妙应用程序仍处于青春期，部分原因是人类语言和语音的复杂性。

理解的复杂性

我们要考虑到：语言是人类交往的基本形式，协助我们沟通、表达、发声、认识、理解、和解释。但这恰恰就是复杂性的所在：有数千种语言，方言的数量甚至更多。我们每个人都有一套独特的词汇：一个美籍巴西项目研究人员发现，以英语为母语的成年人平均能听懂2.2万到3.2万个单词，每天学习一个单词。英语不是母语的成年人平均能听懂1.1万至2.2万个英语单词，每天学习约2.5个单词。

虽然说英语的人可能会使用超过3万个单词，但大多数嵌入式语音识别系统只使用少于1万个单词。口音和方言增加了识别系统所需的词汇量，使其难以在一种语言中正确地捕捉和处理说话者南腔北调的口音。

你可以看到，语音识别和人工智能的发展状况距离追赶人类的识别能力还有一段距离。为了缩小这一差距，我们将持续推动语音识别技术的进步，解决现有的准确性和安全性问题，直至它们能够完全作为嵌入式解决方案运行。

当语音识别结合人工智能

随着计算能力的不断提高和移动处理器的小型化，推动使用自然语音的大词汇量引擎现在已经成为代工厂商的一种嵌入式选择方案。这种引擎占用的空间已经得到缩小和优化，使之成为这些代工厂商更具吸引力的选择，因为他们已经开始越来越多地利用起人工智能。有效的语音识别要求对音频流进行分段，对说话人进行检测或跟踪，并对说话人进行身份确认。这种识别引擎具备融合功能，在产生了融合的结果后，能更容易地做出决定。为了使引擎发挥全部潜力，并允许用户在嘈杂环境中说话也能被引擎理解，可以在引擎中集成预处理技术，以帮助识别系统提高音频输入的质量。

改进语音识别技术的另一个关键是分布式计算。由于云计算的存在，我们已经达到了惊人的语音识别技术阶段，不过，云技术应用在实时企业环境中还存在限制，因为企业环境要求保证用户的隐私、安全，并实现可靠连接。全世界正在迅速发展一种新型协作式嵌入云操作模式，称为嵌入式粘合层。它能保障不间断的连接，并直接帮助企业解决崭露头角的云挑战。

借助嵌入式粘合层，可以在本地执行捕捉和处理用户声音或可视数据，而完全不再依赖云。嵌入式粘合层最简单的形式，是作为嵌入式服务与云基服务合作，实现在本地设备上处理数据。粘合层所虑及的关键语音任务（要求实现用户或企业的安全、隐私和保障）可在本地设备处理，还能确保持续可用。非关键任务——如自然讲话处理——可以使用低带宽和文本数据以双向传输模式在云中处理。尽管嵌入式粘合层是在本地处理，但与云基服务相比，提供了几乎相同范围的服务。

这种语音识别技术不仅会彻底颠覆应用程序，而且会给设备带来重大变革，它就放在我们的门口，就像那些快递包一样，等待着我们敞开大门。

编译：司马渡 作者：史蒂夫·韦斯顿

相关阅读