資料內(nèi)容：
AI 產(chǎn)品經(jīng)理需了解的技術(shù)知識(shí)：語音識(shí)別技術(shù)
（1）
本文章主要介紹了語音識(shí)別技術(shù)語的發(fā)展、基本原理、語音特征，目的是幫助 PM 了解語
音技術(shù)方面的知識(shí)，有助于語音類相關(guān)產(chǎn)品的設(shè)計(jì)～
一、語音識(shí)別的發(fā)展
20 世紀(jì) 50 年代，語音識(shí)別的研究工作開始，這時(shí)主要探索和研究聲音和語音學(xué)的基本概
念和原理。
20 世紀(jì) 60 年代，可以解決不等長語音匹配問題。
20 世紀(jì) 70 年代，隨著 NLP 技術(shù)和微電子技術(shù)的深入發(fā)展，語音識(shí)別領(lǐng)域的線性預(yù)測分析
技術(shù)得到廣泛應(yīng)用，HMM 等技術(shù)基本成熟。
20 世紀(jì) 80 年代，語音研究其顯著特征是 HMM 和人工神經(jīng)網(wǎng)絡(luò)（ANN）。
從發(fā)展可以看出：語音識(shí)別技術(shù)最早依靠匹配，尋找單個(gè)音節(jié)、單個(gè)詞和標(biāo)準(zhǔn)語音模板的
最大相似度進(jìn)行匹配。后來伴隨著統(tǒng)計(jì)學(xué)被引入到語音識(shí)別中，將該技術(shù)逐步從模板匹配
技術(shù)轉(zhuǎn)向基于統(tǒng)計(jì)模型技術(shù)。
二、語音識(shí)別的基本原理
對(duì)于不同的語音識(shí)別過程，人們采用的識(shí)別方法和技術(shù)不同，但所用的原理大致相同，即
將經(jīng)過降噪處理后的語音送入特征提取模塊，然后對(duì)語音信號(hào)特征處理后輸出識(shí)別結(jié)果。
在這個(gè)過程中，特征提取是構(gòu)建語音系統(tǒng)的關(guān)鍵，對(duì)識(shí)別結(jié)果起到了重要作用，原理見下
圖：
特征提?。禾崛≌Z音特征參數(shù)，形成特征矢量序列。
三、語音信號(hào)特征
實(shí)現(xiàn)語音識(shí)別，就需要語音參數(shù)來刻畫語音信息。語音原本具有短時(shí)特性，所以描述語音
的單位用幀（一般為 10-40ms），在音頻幀上提取的短時(shí)音頻特征，叫音頻幀特征。相對(duì)
音頻幀較長的時(shí)間間隔成為音頻段，在音頻段上提取的特征叫音頻段特征。
下面列舉一些常用的音頻特征和音頻段特征：
