冯 君

（滨州学院，山东 滨州 256603）

如今手机已成为人们日常生活中不可或缺的一部分，智能手机提供给用户与之进行交互的多种方式，但最自然的交互方式仍然是语音。智能手机市场提供了许多关于语音识别的应用。本文基于科大讯飞语音识别引擎实现了一款语音识别应用VoiceMessage。应用的主要目标是允许用户输入语音信息并将信息转换为期望的文本信息，从而使得用户可以不用打字就可以快速地得到文本信息，大大节省了时间。

1 语音识别的技术原理

现代语音识别技术主要采用模式识别的基本流程，如图1所示：

图1 语音识别流程

首先准备要训练的训练数据集，然后提取数据的特征并且利用数据的这些特征进行模型的训练，最后根据训练好的模型进行测试应用。

在模型训练好了之后，对待测的语音信号进行信号处理，从中提取出有利于识别的信息，也就是特征提取。随后，以音频信号为输入形式，进行语音增强处理，消除噪音，反映语音的本质，完成语音信号从时域到频域的转化，并将特征提取给声学模型，生成声学模型得分，用语言模型决定序列的可能性，也即语言模型得分。解码器计算这两个得分，识别结果就是输出分数最高的词序列，如图2所示。

图2 识别结果计算流程

用公式表示如下：

其中W表示识别的文本序列，X表示语音数据，基于给定的X，语音识别求得最大后验概率的文本序列，利用贝叶斯公式将此文本序列的后验概率展开为两部分，一是先验概率，另一个是似然概率，然后对这两部分进行建模，得出语言模型和声学模型，再在搜索空间Ω中，通过其得分，求取概率最大的文本序列。……