几十年来的语音识别Siri是如何降生的 (几十年来的语言变化)

本文目录导航：

• 几十年来的语音识别Siri是如何降生的
• 八个C言语名目毕业后从小白到大牛
• 什么叫语音搜查

几十年来的语音识别Siri是如何降生的

回忆语音识别技术的开展，就像看着孩子长大一样，从识别单个音节的婴儿说话水平，到建设数千个单词的词汇，到用极速、机智的回答来回答疑问，就像苹果的超级智能虚构助理Siri所做的那样。

听Siri，它略带嘶哑的幽默感，让咱们不由想知道，这些年来，语音识别有多远。

上方来看看过去几十年的开展，这些开展使人们能够只经常使用他们的声响来控制设施。

1950年代和1960年代：婴儿说话第一个语音识别系统只能了解数字。

（思考到人类言语的复杂性，发明家和工程师首先关注数字是有情理的。

） 贝尔试验室于1952年设计了“奥德丽”系统，它识别单个声响所说的数字。

十年后，IBM在1962年的环球博览会上展现了它的“鞋盒”机器，它能听懂16个英语单词。

美国、日本、英国和苏联的试验室开发了其余配件，努力于识别书面语，扩展语音识别技术，以支持四个元音和九个辅音。

它们听起来或许不太像，但这些最后的努力是一个令人印象深入的开局，特意是当你思考到过后计算机自身是如许原始的时刻。

20世纪70年代：语音识别腾飞由于美国国防部的兴味和资助，语音识别技术在20世纪70年代取得了严重停顿。

从1971年到1976年，DoD的DARPA语音了解钻研(SUR)方案是语音识别史上最大的一个，除其余外，它还担任卡内基梅隆的“哈比”语音了解系统。

哈比可以了解1011个单词，大概是一个平均三岁的人的词汇量。

哈比之所以关键，是由于它引入了一种更有效的搜查方法，称为波束搜查，以“证实或许句子的有限形态网络”，依据AlexWaibel和Kai-FuLee在语音识别中的阅读。

（语音识别的故事与搜查方法和技术的提高亲密关系，就在几年前谷歌进入移动设施语音识别畛域就证实了这一点。

）70年代还标记着语音识别技术的其余几个关键里程碑，包括成立了第一家商业语音识别公司ThresholdTechnology，以及贝尔试验室推出了一种可以解释多团体声响的系统。

1980年代：语音识别转向预测在接上去的十年里，由于了解人们所说的话的新方法，语音识别词汇从大概几百个单词跳到几千个单词，并且有或许识别有限数量的单词。

一个关键要素是一种新的统计方法，称为隐马尔可夫模型。

而不是繁难地经常使用模板的单词和寻觅声响形式，HMM思考了未知声响的概率是单词。

这一基础将在今后二十年内建设(见智能语音识别技术开展简史和Lawrence )。

有了这种扩展的词汇，语音识别开局进入商业和专业行业的商业运行（例如，医疗经常使用）。

它甚至进入了家，以环球奇观的朱莉娃娃（1987）的方式，孩子们可以训练来回应他们的声响。

(最后，了解你的娃娃。

看看朱莉能说什么：但是，过后的语音识别软件能否能像1985年的Kurzweil文本到语音程序那样识别1000个单词，或许它能否能像IBM的系统那样支持5000个单词的词汇表，一个关键的阻碍依然存在：这些程序须要团圆的听写，所以你必定在每个单词之后暂停。

下一页：面向群众的语音识别，以及语音识别的未来1990年代：公众智能语音识别在90年代，领有更快处置器的计算机终于到来，语音识别软件对个别人来说变得可行。

在1990年，龙推出了第一个生产者语音识别产品，龙口述，令人难以置信的多少钱$9000。

七年后，提高很大的龙人造地到来了。

运行程序识别延续的语音，所以你可以说，嗯，人造，每分钟100字左右。

但是，你不得不训练这个名目45分钟，它依然是低廉的695$。

第一个语音门户VAL来自贝尔南边，是在1996年产生的；VAL是一个拨号式交互式语音识别系统，它应该依据你在电话上说的话给你提供消息。

VAL为一切不准确的语音激活菜单铺平了路途，这些菜单将在未来15年及以后困扰呼叫者。

2000年代：语音识别平台——直到谷歌产生到2001年，计算机语音识别的准确率到达了80%，而且在近十年末，这项技术的提高仿佛停滞不前。

在言语宇宙有限的状况下，识别系统做得很好，但在统计模型的协助下，在相似发音的单词中，它们依然是“猜想”的，随着互联网的开展，已知的言语宇宙继续增长。

你知道语音识别和语音命令是内置在Windows Vista和MacOSX中的吗？ 许多计算机用户都不知道这些特性的存在。

Windows语音识别和OSX的语音命令很幽默，但不像个别的旧键盘和鼠标那么准确或容易经常使用。

语音识别技术的发开展始回到最前沿，其中一个严重事情：谷歌语音搜查运行程序的到来，为iPhone。

谷歌运行的影响是清楚的，要素有两个。

首先，手机和其余移动设施是语音识别的现实工具，由于想要取代它们庞大的屏幕键盘是开发更好的代替输入方法的能源。

其次，谷歌有才干将其运行程序的处置卸载到其云数据核心，应用一切的计算才干来启动大规模的数据剖析，以便在用户的单词和它搜集的少量人类语音示例之间启动婚配。

总之，语音识别的瓶颈不时是数据的可用性和高效处置数据的才干。

谷歌的运行程序在剖析中参与了数十亿搜查查问的数据，以更好地预测你或许在说什么。

2010年，谷歌在Android手机语音搜查中参与了“共性化识别”，使该软件能够记载用户的语音搜查，并生成更准确的语音模型。

该公司还在2011年年中将语音搜查参与到Chrome阅读器中。

还记得咱们从10到100个单词开局，而后毕业到几千吗？ 谷歌的英语语音搜查系统如今蕴含了来自实践用户查问的2300亿个单词。

西里来了。

像谷歌的语音搜查一样，Siri依赖于基于云的处置。

它绘制它所知道的关于你的内容来生成一个高低文的回复，并且它以共性来照应你的声响输入。

正如我的PCWorld共事大卫·道所指出的：“这不只要趣，而且幽默。

当你问Siri生命的意义时，它通知你“42”或“迄今为止一切的证据都指向巧克力”。

假设你通知它你想暗藏一具尸体，它会协助左近的渣滓场和金属铸造厂。

语音识别曾经从适用到文娱。

这孩子仿佛都长大了。

未来：准确无误的话语语音识别运行程序的激增标明，语音识别的时代曾经到来，你可以等候未来更多的运行程序。

这些运行程序不只可以让你经过语音控制你的电脑，或许将语音转换为文本-它们还将支持多种言语，提供各种扬声器的声响供你选用，并集成到你的移动设施的每一个局部(也就是说，它们将克制Siri的缺陷)。

语音识别运行程序的品质也会提高。

例如，感官的真正无手语音控制可以听到和了解你，即使在喧闹的环境中。

当每团体都开局对自己的移动设施大声说话时，语音识别技术或许会溢出到其余类型的设施中。

不难构想，在不久的未来，咱们会命令咱们的咖啡机，与打印机交谈，并通知灯封锁自己。

八个C言语名目毕业后从小白到大牛

C言语8个名目通常直奔主题

一、基于网络AI的语音识别

难度系数:

代码量:400行

成功配置:语音录入、语音转文字

适宜人群:有C++、QT、网络基础。

触及技术:QT、信号与槽、HTTP、网络AI开明平台。

二、通讯治理系统

难度系数:

代码量:400行

成功配置:通讯录消息的增删改查操作。

适宜人群: C言语的初学者，难度较小，不适宜写在简历上。

综合运行数组、指针，可以锻炼编程逻辑思想，积攒代码量。

触及技术:数组、指针、结构体、函数。

三、停车治理系统

难度系数:

代码量:800行

成功配置:停车、找车、缴费、退出、路途布局。

适宜人群:有C言语和链表、栈、队列基础。

触及技术:指针、数组、链表、队列、广度优先搜查。

四、基千网络AI的图像识别

难度系数:

代码量:800行

成功配置:停车、找车、缴费、退出、路途布局。

适宜人群:有C言语和链表、栈、队列基础。

触及技术:指针、数组、链表、队列、广度优先搜查。

五、智能WiFi摄像头

难度系数

代码量:1500行

言语: C言语

成功配置:图像数据采集、APP显示、远程控制适宜人群:有C言语、Linux、网络基础，属于综合性名目，适宜无心从事嵌入式开发的同窗。

配件平台:NanoPi Duo2

触及技术: mjpg_stremer、json、TCP、UDP、QT、epoll

六、智能音箱

难度系数:

代码量:3000行

成功配置:由嵌入式端、后盾云主机和APP组成，成功了切歌、暂停、继续、音量调理、APP远程控制、语音控制。

适宜人群:有C/C++/Linux基础，综合性比拟强，可以

作为名目优化、毕设、务工等。

配件平台;mini2440

触及技术: C/C++、libevnet、json、进程、TCP、QT

七、OpenCV智能小车

难度系数:

代码量:1000行

成功配置:车辆控制、定速巡航、测距、车道检测以及

车道坚持。

适宜人群:有C言语和单片机开发基础。

配件平台:51单片机和ARMCortexA开发套件

触及技术: C言语、51单片机、图像处置、串口通讯。

八、远程通讯软件

难度系数:代码量:3000行

成功配置:注册、登录、参与朋友、聊天、建群、文件传输。

适宜人群:有C++、网络基础。

平台:客户端Windows、主机Linux。

触及技术: C++、libevent、QT、多线程、MySQL、文件

什么叫语音搜查

语音搜查是指经过语音输入来启动搜查查问的一种技术。

语音搜查基于语音识别技术，该技术能将人类语音转化为文本。

当用户说出查问词或短语时，语音识别系统会捕捉并剖析这些语音数据，而后将其转化为文本方式。

这个文本随后被搜查引擎用来检索关系消息。

语音搜查的长处在于其方便性和高效性。

例如，当用户正在驾驶或忙于其余事务时，他们或许不可繁难地经常使用键盘输入查问。

在这种状况下，语音搜查提供了一个适用的处置方案，准许用户经过繁难的说出他们的需求来启动搜查。

此外，语音搜查关于那些有视觉阻碍或静止阻碍的人来说是一个无阻碍工具，使他们能够更轻松地访问和经常使用互联网。

随着人工智能和机器学习技术的开展，语音搜查的准确性也在不时提高。

现代的语音搜查系统不只能够识别规范的语音输入，还能够处置不同的方言、口音和言语。

这象征着语音搜查正变得越来越遍及和适用，它扭转了咱们与数字环球互动的方式，使搜查环节愈加人造和兽性化。