（文章來源：鈦媒體）

目前，語音識別研究工作進展緩慢，困難具體表現在：

（1）輸入無法標準統一，比如各地方言的差異，每個人獨有的發音習慣等，如下圖所示，口腔中元音隨著舌頭部位的不同可以發出多種音調，如果組合變化多端的輔音，可以產生大量的、相似的發音，這對語音識別提出了挑戰。除去口音參差不齊，輸入設備不統一也導致了語音輸入的不標準。

（2）噪聲的困擾，噪聲環境的各類聲源處理是目前公認的技術難題，機器無法從各層次的背景噪音中分辨出人聲，而且，背景噪聲千差萬別，訓練的情況也不能完全匹配真實環境。因而，語音識別在噪聲中比在安靜的環境下要難得多。

目前主流的技術思路是，通過算法提升降低誤差。首先，在收集的原始語音中，提取抗噪性較高的語音特征。然后，在模型訓練的時候，結合噪聲處理算法訓練語音模型，使模型在噪聲環境里的魯棒性較高。最后，在語音解碼的過程中進行多重選擇，從而提高語音識別在噪聲環境中的準確率。完全消除噪聲的干擾，目前而言，還停留在理論層面。

（3）模型的有效性，識別系統中的語言模型、詞法模型在大詞匯量、連續語音識別中還不能完全正確的發揮作用，需要有效地結合語言學、心理學及生理學等其他學科的知識。并且，語音識別系統從實驗室演示系統向商品的轉化過程中還有許多具體細節技術問題需要解決。

許多用戶已經能享受到語音識別技術帶來的方便，比如智能手機的語音操作等。但是，這與實現真正的人機交流還有相當遙遠的距離。目前，計算機對用戶語音的識別程度不高，人機交互上還存在一定的問題，智能語音識別系統技術還有很長的一段路要走，必須取得突破性的進展，才能做到更好的商業應用，這也是未來語音識別技術的發展方向。

在語音識別的商業化落地中，需要內容、算法等各個方面的協同支撐，但是良好的用戶體驗是商業應用的第一要素，而識別算法是提升用戶體驗的核心因素。目前語音識別在智能家居、智能車載、智能客服機器人方面有廣泛的應用，未來將會深入到學習、生活、工作的各個環節。許多科幻片中的場景正在逐步走入我們的平常生活。

（責任編輯：fqj）