NLP之ASR：语音识别技术(Automatic Speech Recognition)的简介、发展历史、案例应用之详细攻略

最新推荐文章于 2025-07-17 17:46:12 发布
最新推荐文章于 2025-07-17 17:46:12 发布
阅读量1.3w 收藏 33
点赞数 21
CC 4.0 BY-SA版权
分类专栏： NLP/LLMs 精选(人工智能)-中级
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41185868/article/details/79764062
本文详细介绍了ASR（Automatic Speech Recognition）技术，包括其原理、发展历史和应用案例。从20世纪50年代的Audry系统开始，经过HMM、统计语言模型和神经网络的不断发展，ASR技术逐渐成熟并应用于各种产品，如手机语音助手。如今，基于Attention机制的端到端模型已成为研究主流，推动了语音识别的精确度和效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

NLP之ASR：语音识别技术(Automatic Speech Recognition)的简介、发展历史、案例应用之详细攻略

 

 

 

目录

语音识别技术(Automatic Speech Recognition)的简介

1、ASR实现的原理—模式匹配法

2、ASR技术面临的五大问题

语音识别技术(Automatic Speech Recognition)的发展历史

1、ASR的发展史

1.1、20世纪50年代贝尔研究所研究成功了世界上第一个语音识别系统Audry系统

1.2、20世纪60年代计算机的应用推动了语音识别技术的发展

1.3、20世纪70年代采用传统的模式识别策略取得了具有里程碑意义的成果

1.4、20世纪80年代的三大进展—基于隐马尔科夫模型、基于统计概率的语言模型、基于人工神经网络

1.5、20世纪90年代ASR技术实现产品应用

1.6、2009年~2011年深度学习技术极大的促进了语音识别技术的进步—语音识别进入DNN-HMM时代

1.7、近些年以来诞生了各种手机语音助手

2、ASR语音识别进展

2.1、Attention→Listen-Attend-Spell→Transformer

2.2、端到端语音识别仍然是ASR研究的一大热点—基于Attention机制的识别系统已经成为了语音技术研究主流

语音识别技术(Automatic Speech Recognition)的案例应用

 

 

相关文章
NLP之ASR：语音识别技术(Automatic Speech Recognition)的简介、发展历史、案例应用之详细攻略
Paper之ICASSP&IEEEAUDIOSPE：2018~2019年ICASSP国际声学、语音和信号处理会议&IEEE-ACM T AUDIO SPE音频、语音和语言处理期刊最佳论文简介及其解读

语音识别技术(Automatic Speech Recognition)的简介

         语音识别是

了解本专栏 订阅专栏 解锁全文
自然语言处理之语音识别：DeepSpeech：语音识别中的数据增强
zhubeibei168的博客
10-17 870
DeepSpeech是Mozilla开源的一个基于深度学习的语音识别模型。它使用了端到端的深度神经网络，能够直接从音频波形预测文本。卷积神经网络（CNN）：用于提取音频特征。双向长短期记忆网络（BiLSTM）：用于处理时序数据，捕捉语音的长期依赖关系。连接时序分类（CTC）：用于解决序列到序列的映射问题，无需事先对齐音频和文本。在语音识别领域，尤其是使用深度学习模型如DeepSpeech进行识别时，数据增强技术扮演着至关重要的角色。
Automatic Speech Recognition (ASR)原理与代码实例讲解
AI天才研究院
07-02 446
Automatic Speech Recognition (ASR)原理与代码实例讲解 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：语音识别、声学模型、语言模型、深度学习、端到端模型、Ka
【初识AI】(一)：ASR和NLP
houxiaoni01的博客
09-13 2169
ASR是指自动语音识别技术，是一种将人的语音转换为文本的技术。其目标就是将人类的语言中的词汇内容转换为计算机可读的输入。自然语言处理(NLP)是人工智能的一个分支，它使计算机能够像人类一样理解、处理和生成语言。
语音识别（ASR） 和自然语言处理（NLP）的关系、研究进展和趋势
weixin_44645032的博客
12-29 2838
在2023年，自动语音识别（ASR）和自然语言处理（NLP）两个领域都有显著的研究进展和趋势。
yolo8+ASR+NLP+TTS（视觉语音助手）
最新发布
lianyinghhh的博客
07-17 859
是一个强大、开源且支持中文的 TTS 引擎，适合本地部署，音质优秀。yolo8+声纹识别（实时字幕）使用TTS by Coqui。以下是构建语音助手所用的。
自动语音识别（ASR）与文本转语音（TTS）技术的应用与发展
优快云站内信: https://i.youkuaiyun.com/#/msg/chat/qyj19920704
11-16 2万+
自动语音识别（Automatic Speech Recognition，简称 ASR）是一种将人类语音转换为文本的技术。其目标是让计算机“听懂”人类的语言，将语音信息准确地转化为文字输出。ASR 技术从上世纪五六十年代开始发展，早期的 ASR 系统仅能识别少量词汇，且需要人为调整音调、语速等条件。在 AI 技术飞速发展的今天，ASR 系统已逐渐能够识别不同语言、方言甚至个性化的发音方式。
自动语音识别（ASR）技术详解
DengCaixiang2021的博客
03-26 7892
自动语音识别技术经过多年的发展，已经从早期简陋的模板匹配系统演进为今天复杂而精巧的深度学习模型。在原理层面，ASR将声音信号转为文本所涉及的每一步都凝聚了大量研究者的智慧；在应用层面，ASR正悄然改变着人机交互的方式，让语音成为与计算机交流的自然手段。展望未来，ASR研究仍在继续：如何让机器听懂更多语言、在嘈杂人群中分辨每个声音、用更少的数据学会新语种，以及更贴近地模仿人类听觉的鲁棒性。这些挑战伴随着机遇——随着大模型和自监督学习的兴起，我们离“机器像人一样听懂语言”已经越来越近。
语音识别初探——一文读懂语音识别技术原理
耶律大石的博客
12-20 1万+
语音识别是十年来发展最快的技术之一，随着AI的不断发展，深度学习让语音识别技术得到了质的飞跃，开始从实验室走向市场，并逐步走到人们的生活中。 我们现在所用的语音输入法，以及以语音为智能交互入口的智能家居，背后都涉及到语音识别技术。 01语音识别技术的发展历程 语音识别技术是指机器自动将人的语音的内容转成文字，又称 Automatic Speech Recognition，即ASR技术。 语音识别是...
语音识别(ASR)论文优选：粤语语料集Automatic Speech Recognition Datasets in Cantonese Language: A Survey and a New D
低调奋进
01-10 3125
声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请
自然语言处理之语音识别：Julius：语音识别中的声学模型
zhubeibei168的博客
10-20 1068
Julius是一个开源的连续语音识别引擎，由日本的Nara Institute of Science and Technology开发。它基于隐马尔可夫模型（Hidden Markov Model, HMM）和动态时间规整（Dynamic Time Warping, DTW）技术，能够处理连续的语音流，识别出其中的单词和短语。Julius支持多种语言，包括英语、日语等，并且可以进行实时语音识别。
随笔记录——NLP与ASR的数据增强
AI Flash
04-05 3933
自然语言处理（NLP: Natural Language Processing）与语音识别（ASR: Automatic Speech Recognition）都是典型的序列识别任务，现阶段皆可以按Transformer模型架构进行建模处理，如SAN-M、BERT、BART、GPT2、T5、Switch-Transformer等模型。 Transformer模型的输入，表示为Sequence embeddings（序列特征），其中NLP的输入Embedding、表示Token的高维矢量编码，ASR的输入特
ASR项目实战-语音识别
Jackie的家
02-09 2917
本文深入探讨语音识别处理环节。 本阶段的重点特性为语音识别、VAD、热词、文本的时间偏移、讲话人的识别等。 语音识别 业界流派众多，比如Kaldi、端到端等，具体选择哪一种，需要综合考虑人员能力、训练数据量和质量、硬件设施、交付周期等，作出相对合理的交付规划。 基于Kaldi的方案，优点在于其发挥稳定，缺点是使用难度比较高，学习曲线比较陡峭，具备使用经验的算法工程师相对比较稀缺。 端到端方案，业界主要基于Google在17年左右发布的文章作为研究、试验的输入，使用Tensorflow或者Pytorch作为训
【语音识别】自动语音识别（ASR）研究综述
qq_33934427的博客
07-04 7729
自动语音识别（ASR）综述
一文看懂“语音识别ASR” | AI产品经理需要了解的AI技术概念
q6q6q的专栏
10-27 2354
原标题：一文看懂“语音识别ASR” | AI产品经理需要了解的AI技术概念温馨提示：文末有【重大福利】：优惠券（金额很大） for 三节课《产品经理P2（进阶）系列课程》 & 《互联网业务数据分析实战》。 语音识别（Automatic Speech Recognition，简称ASR），是语音交互中最基础的一个AI技术环节，大家可以先在手机上体验siri等各种语音助手，或者各种智能音箱，找找感觉：...
基于ASRT中文语音识别系统的优化
初级菜鸟
06-19 3370
该项目是基于CNN+CTC网络实现，中文标注是拼音，解码使用HMM，项目地址：https://github.com/nl8590687/ASRT_SpeechRecognition 该项目很不错，但是本人用原版项目代码进行训练测试无法达到较好的效果，然后对其做了一些改动，时间有限最终拼音ER在11%左右，词错误率WER 在33%左右，数据集使用aishell，thchs30，ST-CMDS 原版项目解释可以参考github上的说明，比较详细，下面说下优化部分： 模型架构使用VGG（微调结构适配频谱图）
NLP( 包括语音识别）
ChengChengCheng的博客
04-18 4035
任务：NLU(理解），NLG(生成） 应用：情感分析，聊天机器人(QA), 机器翻译，摘要生成， NLP 与语音识别、语音合成 语音交互: 进行对话交互时，机器往往需要完成“听懂——理解——回答”的闭环。这个闭环涉及到三类技术：语音识别（ASR）、自然语言处理（NLP）以及语音合成（TTS）。 语音识别（Automatic Speech Recognition）：简称ASR，是将声音转化成文字的过程，相当于耳朵。 自然语言处理（Natural Language Processing）：简称NLP，是理解和处
中文语音标注工具FunASR（语音识别）
前方的路在刚开始
12-11 9988
全称（一个语音识别工具）可能大家用过whisper（openAi），它【标注英语的确很完美】，【但中文会出现标注错误】或搞了个没说的词替换上去，所以要人工核对，麻烦。FunASR作用:能【准确】识别语音，并转成【文字、标出声调】他的原理，就不讲了，俺是搞大数据的，python这东西就勉强能写个爬虫和接口，机器学习和ai相关的算法是0基础。
基础课4——语音识别技术ASR
2202_75469062的博客
10-17 1987
ASR 是自动语音识别（Automatic Speech Recognition）的缩写，是一种将人类语音转换为文本的技术。ASR 系统可以处理实时音频流或已录制的音频文件，并将其转换为文本。它是一种自然语言处理技术，广泛应用于许多领域，包括电话语音助手、语音转文本、语音搜索等。
语音识别ASR技术通识
热门推荐
ZLJ925的博客
01-12 3万+
上午看了一篇文章： 语音识别的痛点在哪，从交互到精准识别如何做？ | 硬创公开课 感觉没看懂，下午就看到了团长精心总结的这篇ASR技术通识。给个大大的��！语音识别（Automatic Speech Recognition），一般简称ASR；是将声音转化为文字的过程，相当于人类的耳朵。语音识别原理流程：“输入——编码——解码——输出”1、语音识别，大体可分为“传统”识别方式与“端到端”识别方式，
深入探索ASR：微软语音识别教科书
ASR（Automatic Speech Recognition，自动语音识别）技术是计算机科学中的一个重要分支，它旨在使计算机能够通过语音识别出人说的话。ASR技术的应用非常广泛，从语音助手到智能客服系统，再到语音翻译和语音输入法等...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一个处女座的程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值