在1952年的貝爾研究所，Davis等人研制了世界上第一個能識別10個英文數(shù)字發(fā)音的實驗系統(tǒng)。1960年英國的Denes等人研制了第一個計算機語音識別系統(tǒng)。
大規(guī)模的語音識別研究始于上世紀(jì)70年代以后，并在小詞匯量、孤立詞的識別方面取得了實質(zhì)性的進展。上世紀(jì)80年代以后，語音識別研究的重點逐漸轉(zhuǎn)向大詞匯量、非特定人連續(xù)語音識別。
同時，語音識別在研究思路上也發(fā)生了重大變化，由傳統(tǒng)的基于標(biāo)準(zhǔn)模板匹配的技術(shù)思路開始轉(zhuǎn)向基于統(tǒng)計模型的技術(shù)思路。此外，業(yè)內(nèi)有專家再次提出了將神經(jīng)網(wǎng)絡(luò)技術(shù)引入語音識別問題的技術(shù)思路。
上世紀(jì)90年代以后，在語音識別的系統(tǒng)框架方面并沒有什么重大突破。但是，在語音識別技術(shù)的應(yīng)用及產(chǎn)品化方面出現(xiàn)了很大的進展。比如，DARPA是在上世界70年代由美國國防部遠景研究計劃局資助的一項計劃，旨在支持語言理解系統(tǒng)的研究開發(fā)工作。進入上世紀(jì)90年代，DARPA計劃仍在持續(xù)進行中，其研究重點已轉(zhuǎn)向識別裝置中的自然語言處理部分，識別任務(wù)設(shè)定為“航空旅行信息檢索”。
我國的語音識別研究起始于1958年，由中國科學(xué)院聲學(xué)所利用電子管電路識別10個元音。由于當(dāng)時條件的限制，中國的語音識別研究工作一直處于緩慢發(fā)展的階段。直至1973年，中國科學(xué)院聲學(xué)所開始了計算機語音識別。
進入上世紀(jì)80年代以來，隨著計算機應(yīng)用技術(shù)在我國逐漸普及和應(yīng)用以及數(shù)字信號技術(shù)的進一步發(fā)展，國內(nèi)許多單位具備了研究語音技術(shù)的基本條件。與此同時，國際上語音識別技術(shù)在經(jīng)過了多年的沉寂之后重又成為研究的熱點。在這種形式下，國內(nèi)許多單位紛紛投入到這項研究工作中去。
1986年，語音識別作為智能計算機系統(tǒng)研究的一個重要組成部分而被專門列為研究課題。在“863”計劃的支持下，中國開始組織語音識別技術(shù)的研究，并決定了每隔兩年召開一次語音識別的專題會議。自此，我國語音識別技術(shù)進入了一個新的發(fā)展階段。
自2009年以來，借助機器學(xué)習(xí)領(lǐng)域深度學(xué)習(xí)研究的發(fā)展以及大數(shù)據(jù)語料的積累，語音識別技術(shù)得到突飛猛進的發(fā)展。
將機器學(xué)習(xí)領(lǐng)域深度學(xué)習(xí)研究引入到語音識別聲學(xué)模型訓(xùn)練，使用帶RBM預(yù)訓(xùn)練的多層神經(jīng)網(wǎng)絡(luò)，提高了聲學(xué)模型的準(zhǔn)確率。在此方面，微軟公司的研究人員率先取得了突破性進展，他們使用深層神經(jīng)網(wǎng)絡(luò)模型（DNN）后，語音識別錯誤率降低了30%，是近20年來語音識別技術(shù)方面最快的進步。
2009年前后，大多主流的語音識別解碼器已經(jīng)采用基于有限狀態(tài)機（WFST）的解碼網(wǎng)絡(luò)，該解碼網(wǎng)絡(luò)可以把語言模型、詞典和聲學(xué)共享音字集統(tǒng)一集成為一個大的解碼網(wǎng)絡(luò)，提高了解碼的速度，為語音識別的實時應(yīng)用提供了基礎(chǔ)。
隨著互聯(lián)網(wǎng)的快速發(fā)展，以及手機等移動終端的普及應(yīng)用，可以從多個渠道獲取大量文本或語音方面的語料，這為語音識別中的語言模型和聲學(xué)模型的訓(xùn)練提供了豐富的資源，使得構(gòu)建通用大規(guī)模語言模型和聲學(xué)模型成為可能。
在語音識別中，訓(xùn)練數(shù)據(jù)的匹配和豐富性是推動系統(tǒng)性能提升的最重要因素之一，但是語料的標(biāo)注和分析需要長期的積累和沉淀，隨著大數(shù)據(jù)時代的來臨，大規(guī)模語料資源的積累將提到戰(zhàn)略高度。
現(xiàn)如今，語音識別在移動終端上的應(yīng)用最為火熱，語音對話機器人、語音助手、互動工具等層出不窮，許多互聯(lián)網(wǎng)公司紛紛投入人力、物力和財力展開此方面的研究和應(yīng)用，目的是通過語音交互的新穎和便利模式迅速占領(lǐng)客戶群。（雨田整理） 相關(guān)產(chǎn)品 siri
Siri技術(shù)來源于美國國防部高級研究規(guī)劃局所公布的CALO計劃：一個讓軍方簡化處理一些繁復(fù)庶務(wù)，并具學(xué)習(xí)、組織以及認知能力的數(shù)字助理，其所衍生出來的民用版軟件Siri虛擬個人助理。
Siri成立于2007年，最初是以文字聊天服務(wù)為主，隨后通過與語音識別廠商Nuance合作，Siri實現(xiàn)了語音識別功能。2010年，Siri被蘋果以2億美金收購。
Siri成為蘋果公司在其產(chǎn)品iPhone和iPad Air上應(yīng)用的一項語音控制功能。Siri可以令iPhone和iPad Air變身為一臺智能化機器人。Siri支持自然語言輸入，并且可以調(diào)用系統(tǒng)自帶的天氣預(yù)報、日程安排、搜索資料等應(yīng)用，還能夠不斷學(xué)習(xí)新的聲音和語調(diào)，提供對話式的應(yīng)答。
Google Now
Google Now是谷歌隨安卓4.1系統(tǒng)同時推出的一款應(yīng)用，它可以了解用戶的各種習(xí)慣和正在進行的動作，并利用所了解的資料來為用戶提供相關(guān)信息。
今年3月24日，谷歌宣布Google Now語音服務(wù)正式登陸Windows和Mac桌面版Chrome瀏覽器。
Google Now的應(yīng)用會更加方便用戶收取電子郵件，當(dāng)你接收到新郵件時，它就會自動彈出以便你查看。Google Now還推出了步行和行車里程記錄功能，這個計步器功能可通過Android設(shè)備的傳感器來統(tǒng)計用戶每月行駛的里程，包括步行和騎自行車的路程。
此外，Google Now增加了一些旅游和娛樂特色功能，包括：汽車租賃、演唱會門票和通勤共享方面的卡片；公共交通和電視節(jié)目的卡片進行改善，這些卡片現(xiàn)在可以聽音識別音樂和節(jié)目信息；用戶可以為新媒體節(jié)目的開播設(shè)定搜索提醒，同時還可以接收實時NCAA（美國大學(xué)體育協(xié)會）橄欖球比分。
百度語音
百度語音一般指百度語音搜索，是百度公司為廣大互聯(lián)網(wǎng)用戶提供的一種基于語音的搜索服務(wù)，用戶可以使用多種客戶端發(fā)起語音搜索，服務(wù)器端根據(jù)用戶的發(fā)出的語音請求，進行語音識別然后將檢索結(jié)果反饋給用戶。
百度語音搜索不僅提供一般的通用語音搜索服務(wù)，還有針對地圖用戶制定的特色搜索服務(wù)，后續(xù)還會有更多的個性化搜索和識別服務(wù)出現(xiàn)。
目前百度語音搜索以移動客戶端為主要平臺，內(nèi)嵌于百度的其他產(chǎn)品中，比如掌上百度，百度手機地圖等，用戶可以在使用這些客戶端產(chǎn)品的同時體驗語音搜索，支持全部主流的手機操作系統(tǒng)。
微軟Cortana
Cortana是Windows Phone平臺下的虛擬語音助手，由游戲《光暈》中Cortana的聲優(yōu)Jen Taylor配音，Cortana中文版又名“微軟小娜”。
微軟對Cortana的描述為“你手機上的私人助手，為你提供設(shè)置日歷項、建議、進程等更多幫助”，它能夠和你之間進行交互，并且盡可能的模擬人的說話語氣和思考方式跟你進行交流。此外圓形的圖標(biāo)按鈕會隨著你手機的主題進行調(diào)整，如果說你設(shè)置了綠色的主題，那么Cortana就是綠色的圖標(biāo)。
此外，你能夠通過開始屏幕或者設(shè)備上的搜索按鈕來呼出Cortana，Cortana采用一問一答的方式，它只有在你咨詢它的時候才會顯示足夠多的信息。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
