語音識別技術，也被稱為自動語音識別，其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。

成都創新互聯專注為客戶提供全方位的互聯網綜合服務，包含不限于網站建設、網站制作、龍馬潭網絡推廣、成都微信小程序、龍馬潭網絡營銷、龍馬潭企業策劃、龍馬潭品牌公關、搜索引擎seo、人物專訪、企業宣傳片、企業代運營等，從售前售中售后，我們都將竭誠為您服務，您的肯定，是我們大的嘉獎；成都創新互聯為所有大學生創業者提供龍馬潭建站搭建服務，24小時服務熱線：13518219792，官方網址：vcdvsql.cn

語音識別技術作為輸入方式，比按鍵輸入和手勢輸入更為快捷，學習成本很低，對于非特定人連續語音識別系統的識別率達到98.73%，已經達到實用要求，具有廣闊的應用前景，在手機端的應用有語音撥號、語音輸入、語音命令、語音搜索和語音翻譯等。

語音的技術原理比較復，可以從語音交互的過程來理解：

1.開啟語音識別功能。一般由用戶手動點擊按鈕啟動，手機端暫時無法自動啟動，如由語音命令啟動或者根據音量高低判斷開始識別。

2.進入說話界面。程序界面會通過視覺體現音量的變化。

3.說話完畢，系統開始分析。結束輸入有兩種方式：一是自動關閉，通常時輸入單詞完畢之后自己的關閉，另一種是用戶手機手動關閉。系統處理過程可以分為以下幾個步驟：

a）前端處理。該模塊的主要任務是從輸入信號中去除噪音等影響結果的因素，提取特征，供聲學模型處理。信號處理之前會先進行斷點檢測，端點檢測是指在語音信號中將語音和非語音信號時段區分開來，準確地確定出語音信號的起始點。經過端點檢測后，后續處理就可以只對語音信號進行，這對提高模型的精確度和識別正確率有重要作用。語音增強的主要任務就是消除環境噪聲對語音的影響。目前通用的方法是采用維納濾波，該方法在噪聲較大的情況下效果好于其它濾波器。

b）聲學特征提取。聲學特征的提取既是一個信息大幅度壓縮的過程，也是一個信號解卷過程，目的是使模式劃分器能更好地劃分。如上傳音頻會利用到語音編碼解碼技術，可以減少音頻的文件大小、存儲空間或者傳輸比特率。

c）統計聲學模型。計算各個幀的聲學特征，如上下文建模。根據發聲機理，音之間只能漸變，前一音會影響后一音，從而使得后一個音的頻譜與其他條件下的頻譜產生差異，從而使模型能更準確地描述語音。

d）發音詞典。發音詞典包含系統所能處理的詞匯集及其發音，類似于拼音輸入法的詞庫。如輸入法，詞典更新熱詞和詞庫有組于提高匹配的準確率。

e）語言模型。語言模型對系統所針對的語言進行建模，如分析語音上下文。

由于音頻文件大小的限制，本地只能存儲少量的詞典，這也就要求復雜的語音需要連接服務器分析。谷歌語音搜索在用戶輸入完成之后才提示無法聯網，在啟動輸入之前就應該檢查網絡連接狀

4.系統分析完畢輸出結果。一種是根據結果自動顯示結果，如bing搜索，另外一種是提供選項供用戶選擇，這和輸出結果的概率高低有一定關系。用戶選擇的結果對于詞典的排序產生影響，增強語音的自適應和強健性，幫助形成個性化輸入。

根據產品可識別的詞匯量區分產品，對于特定語音命令，用戶只能輸入符合命令的詞匯，比如說出聯系人名字搜索。輸入法的詞匯更多，而語句搜索不但需要龐大的詞匯庫，處理連續的語音輸入需要區分連音和變音，還要求能根據上下文和熱詞輸出更為合理的結果。條件限制越少，語音識別的難度越大。因為一定程度上避免模糊音，詞典數據越少，輸入特定詞匯的準確率越高。

中文的語音輸入與英文不同，英文匹配不到詞典配置的詞就無法識別，中文詞匯由單字組成，中文可以根據單字識別。

io 5的輸入法已經加入語音功能，會逐步變為手機輸入的常規功能，最終輸出結果的準確率和操作流暢度是衡量其交互優劣的重要標準。

網站名稱：淺析手機語音交互設計
本文路徑：http://vcdvsql.cn/article24/checce.html

成都網站建設公司_創新互聯，為您提供微信公眾號、移動網站建設、面包屑導航、營銷型網站建設、品牌網站設計、搜索引擎優化

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯