電話機器人是近兩年興起的人工智能產(chǎn)品，它主要經(jīng)過電話群呼潛在客戶，溝通進行信息挑選，協(xié)助企業(yè)選擇意向客戶。企業(yè)運用電話機器人能夠削減人工成本，進步作業(yè)效率。

電話溝通也是言語進行信息溝通的一種方法，對人類來說，這是十分簡略的一件事，但關(guān)于機器而言，就不是一件易事了，其間觸及了主動語音識別技術(shù)。

語音識別，又稱為主動語音識別（Automatic Speech Recognition，ASR），指讓計算機主動將人類的語音內(nèi)容轉(zhuǎn)換成相應(yīng)文字。 

語音識別技術(shù)已經(jīng)有五十多年的歷史，真實開端得到廣泛使用，仍是近幾年的事。隨著移動設(shè)備、可穿戴設(shè)備、智能家居設(shè)備、車載體系變得越來越盛行，對話交互也逐步變成了人機交互中的要點。

語音識別主要由以下幾個根本模塊組成：信息處理和特征處理、聲學(xué)模型（AM）、言語模型（LM）、發(fā)音詞典和解碼器。

信號處理和特征提取。它是語音識別體系的榜首部分，其主要使命是接納最原始的音頻信號，為后邊的聲學(xué)模型提取合適的有代表性的特征向量。一起，它也包括了一些信號處理技術(shù)，如盡可能降低環(huán)境噪聲、信道失真、說話人等要素對特征造成的影響。

聲學(xué)模型。一般的語音識別體系大都運用隱馬爾科夫模型對詞、音節(jié)、音素等根本的聲學(xué)單元進行建模，生成聲學(xué)模型。能夠簡略了解為是對發(fā)聲的建模，它能夠把語音輸入轉(zhuǎn)換成聲學(xué)表明的輸出。

言語模型。言語模型對體系所需識別的言語進行建模。正則言語、上下文無關(guān)文法在內(nèi)的各種言語模型都能夠作為言語模型，現(xiàn)在大多數(shù)的語音識別體系遍及選用的仍是基于計算的N元（N-gram）模型及其變體。它能夠估量經(jīng)過練習(xí)學(xué)習(xí)詞與詞之間的相互聯(lián)系，來估量假定詞序列的可能性。

發(fā)音詞典。發(fā)音詞典包括體系所能處理的單詞的調(diào)集及其發(fā)音。發(fā)音詞典得到了聲學(xué)模型建模單元和言語模型建模單元之間的映射聯(lián)系，將兩者連接起來，組成一個查找的狀況空間用于解碼器進行解碼作業(yè)。

解碼器。解碼器是語音識別體系的中心之一，其使命主要擔(dān)任讀取輸入的語音信號的特征序列，再根據(jù)聲學(xué)模型、言語模型及發(fā)音詞典，解碼出以最大概率輸出該信號的詞串。

語音識別就是一個先編碼后解碼的進程，信號處理和特征提取就是編碼的進程，由原始的語音得到語音向量。后邊便是對語音向量的解碼，而解碼需求上面說到的聲學(xué)模型和言語模型。

與計算機視覺不同，語音識別有且只有一個中心使命——將人類的語音轉(zhuǎn)換成文字。簡略來描繪機器識別語音的進程：言語由單詞組成，單詞由音素組成，假設(shè)咱們將一段語音的聲波按幀切開，用幀組成狀況，用狀況組成音素，再將音素組成單詞，語音就變成了文字。

音素：音素是最小的語音單位，一個發(fā)音動作構(gòu)成一個音素。音素構(gòu)成音節(jié)，音節(jié)又構(gòu)成不同的詞和短語。音素又分為元音和子音。

狀況：這兒能夠?qū)⑵淞私獬杀纫羲馗敱M的語音單位。一般把一個音素劃分紅3個狀況。

現(xiàn)在中使用比較廣泛的語音識別軟件有IBM公司的Viovoice、科大訊飛的語音識別產(chǎn)品、蘋果的Siri等，而現(xiàn)在市面上的智能音箱、車載配備等產(chǎn)品也都是語音識別看得見摸得著的使用。能夠說，語音識別技術(shù)是人工智能落地比較老練的技術(shù)領(lǐng)域之一。

盡管語音識別技術(shù)仍然還有許多亟待進步的地方，比如方言的語音識別、高噪音環(huán)境下的語音識別等方面還有一段路要走。但不可否認的是，隨著信息技術(shù)的不斷開展，語音識別技術(shù)也將不斷獲得打破，有著愈加寬廣的開展空間。

標簽：活動通知 景德鎮(zhèn) 阿里 蘭州