9、语音识别技术的发展历程与挑战

语音识别技术的发展历程与挑战

早期语音识别尝试：AUDREY的局限

早期的语音识别设备AUDREY在当时是一项令人瞩目的成就，它能够清晰缓慢地识别语音。然而，它只是一个实验性的设备。AUDREY体积庞大，占据了一个六英尺高的继电器架，成本高昂，耗电量大，并且由于采用复杂的真空管电路，存在众多维护问题。

其可靠运行仅限于准确识别指定说话者说出的数字。它可用于语音拨号，供长途话务员或富裕的电话用户使用，但与手动拨号相比，竞争力较弱。在大多数情况下，按键拨号识别数字比语音说出连续数字更快、更便宜。

AUDREY作为首个在科学期刊上报道的自动语音识别器，凸显了语音识别面临的诸多挑战：
1. 说话停顿要求 ：AUDREY只有在说话者在单词之间停顿的情况下才能正常工作。但在正常语音中，单词之间没有明显的间隔，说话时停顿是不自然的。此外，协同发音现象使得连续的语音有时会合并成一个声音，增加了识别的难度。AUDREY只能进行“孤立词”或“孤立语音识别”，无法分离正常语音中的单词，直到几十年后才有可能实现“连续语音识别”。
2. 说话者依赖性 ：AUDREY需要针对每个说话者进行调整。不同说话者的声音具有不同的声学特性，共振峰频率和F1/F2平面上的模式会有所不同，因此需要对每个说话者进行微调以保持合理的识别准确率。如果不进行调整，在随机数字系列中，准确率可能会降至50%或60%。
3. 词汇局限性 ：AUDREY只能识别数字，并且仅适用于美国英语。识别其他类型的单词，如人名、地名或简单命令，需要对其电路进行重大修改，而且即使修改也可能无法实现。例如，对于