語音識(shí)別技術(shù)綜述

1、精選優(yōu)質(zhì)文檔-傾情為你奉上語音識(shí)別技術(shù)綜述專心-專注-專業(yè)語音識(shí)別技術(shù)綜述電子信息工程 2010級(jí)1班 郭珊珊【摘要】隨著計(jì)算機(jī)處理能力的迅速提高，語音識(shí)別技術(shù)得到了飛速發(fā)展，該技術(shù)的發(fā)展和應(yīng)用改變了人們的生產(chǎn)和生活方式，正逐步成為計(jì)算機(jī)處理技術(shù)中的關(guān)鍵技術(shù)。語音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競爭性的新興高技術(shù)產(chǎn)業(yè)?！娟P(guān)鍵詞】語音識(shí)別；語音識(shí)別原理；語音識(shí)別發(fā)展；產(chǎn)品語音識(shí)別是以語音為研究對(duì)象，通過語音信號(hào)處理和模式識(shí)別讓機(jī)器人自動(dòng)識(shí)別和理解人類口述的語言。語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的命令或文本的高新技術(shù)。1 語音識(shí)別的原理語音識(shí)別系統(tǒng)本質(zhì)是一種模式識(shí)別系統(tǒng)，包括

2、特征提取、模式匹配、參考模式庫等三個(gè)基本單位元。未知語音經(jīng)過話筒變換成電信號(hào)后加載識(shí)別系統(tǒng)的輸入端，首先經(jīng)過預(yù)處理，再根據(jù)人的語音特點(diǎn)建立語音模型，對(duì)輸入的語音信號(hào)進(jìn)行分析，并抽取所需特征，在此基礎(chǔ)上建立語音識(shí)別所需的模板。計(jì)算機(jī)在識(shí)別過程中要根據(jù)語音識(shí)別的模型，將計(jì)算機(jī)中存放的語音模板與輸入的語音信號(hào)的特征進(jìn)行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入語音匹配的模板。然后根據(jù)此模板的定義，通過查表可給出計(jì)算機(jī)的識(shí)別結(jié)果。這種最優(yōu)的結(jié)果與特征的選擇、語音模型的好壞、模板是否準(zhǔn)確都有直接的關(guān)系。2 語音識(shí)別系統(tǒng)的分類 語音識(shí)別系統(tǒng)可以根據(jù)對(duì)輸入語音的限制加以分類。 2.1從說話者與識(shí)

3、別系統(tǒng)的相關(guān)性考慮可以將識(shí)別系統(tǒng)分為3類：(1)特定人語音識(shí)別系統(tǒng)：僅考慮對(duì)于專人的話音進(jìn)行識(shí)別；(2)非特定人語音系統(tǒng)：識(shí)別的語音與人無關(guān)，通常要用大量不同人的語音數(shù)據(jù)庫對(duì)識(shí)別系統(tǒng)進(jìn)行學(xué)習(xí)；(3)多人的識(shí)別系統(tǒng)：通常能識(shí)別一組人的語音，或者成為特定組語音識(shí)別系統(tǒng)，該系統(tǒng)僅要求對(duì)要識(shí)別的那組人的語音進(jìn)行訓(xùn)練。 2.2從說話的方式考慮也可以將識(shí)別系統(tǒng)分為3類：(1)孤立詞語音識(shí)別系統(tǒng)：孤立詞識(shí)別系統(tǒng)要求輸入每個(gè)詞后要停頓；(2)連接詞語音識(shí)別系統(tǒng)：連接詞輸入系統(tǒng)要求對(duì)每個(gè)詞都清楚發(fā)音，一些連音現(xiàn)象開始出現(xiàn)；(3)連續(xù)語音識(shí)別系統(tǒng)：連續(xù)語音輸入是自然流利的連續(xù)語音輸入，大量連音和變音會(huì)出現(xiàn)。 2.

4、3從識(shí)別系統(tǒng)的詞匯量大小考慮也可以將識(shí)別系統(tǒng)分為3類：(1)小詞匯量語音識(shí)別系統(tǒng)。通常包括幾十個(gè)詞的語音識(shí)別系統(tǒng)。(2)中等詞匯量的語音識(shí)別系統(tǒng)。通常包括幾百個(gè)詞到上千個(gè)詞的識(shí)別系統(tǒng)。(3)大詞匯量語音識(shí)別系統(tǒng)。通常包括幾千到幾萬個(gè)詞的語音識(shí)別系統(tǒng)。隨著計(jì)算機(jī)與數(shù)字信號(hào)處理器運(yùn)算能力以及識(shí)別系統(tǒng)精度的提高，識(shí)別系統(tǒng)根據(jù)詞匯量大小進(jìn)行分類也不斷進(jìn)行變化。目前是中等詞匯量的識(shí)別系統(tǒng)到將來可能就是小詞匯量的語音識(shí)別系統(tǒng)。這些不同的限制也確定了語音識(shí)別系統(tǒng)的困難度。3語音識(shí)別技術(shù)的發(fā)展3.1國外研究歷史及現(xiàn)狀語音識(shí)別的研究工作可以追溯到20世紀(jì)50年代AT&T貝爾實(shí)驗(yàn)室的Audry系統(tǒng)，它是第

5、一個(gè)可以識(shí)別十個(gè)英文數(shù)字的語音識(shí)別系統(tǒng)。 但真正取得實(shí)質(zhì)性進(jìn)展，并將其作為一個(gè)重要的課題開展研究則是在60年代末70年代初。這首先是因?yàn)橛?jì)算機(jī)技術(shù)的發(fā)展為語音識(shí)別的實(shí)現(xiàn)提供了硬件和軟件的可能，更重要的是語音信號(hào)線性預(yù)測編碼（LPC）技術(shù)和動(dòng)態(tài)時(shí)間規(guī)整（DTW）技術(shù)的提出，有效的解決了語音信號(hào)的特征提取和不等長匹配問題。這一時(shí)期的語音識(shí)別主要基于模板匹配原理，研究的領(lǐng)域局限在特定人，小詞匯表的孤立詞識(shí)別，實(shí)現(xiàn)了基于線性預(yù)測倒譜和DTW技術(shù)的特定人孤立詞語音識(shí)別系統(tǒng)；同時(shí)提出了矢量量化(VQ)和隱馬爾可夫模型(HMM)理論。 隨著應(yīng)用領(lǐng)域的擴(kuò)大，小詞匯表、特定人、孤立詞等這些對(duì)語音識(shí)別的約束條件需

6、要放寬，與此同時(shí)也帶來了許多新的問題：第一，詞匯表的擴(kuò)大使得模板的選取和建立發(fā)生困難；第二，連續(xù)語音中，各個(gè)音素、音節(jié)以及詞之間沒有明顯的邊界，各個(gè)發(fā)音單位存在受上下文強(qiáng)烈影響的協(xié)同發(fā)音（Co-articulation）現(xiàn)象；第三，非特定人識(shí)別時(shí)，不同的人說相同的話相應(yīng)的聲學(xué)特征有很大的差異，即使相同的人在不同的時(shí)間、生理、心理狀態(tài)下，說同樣內(nèi)容的話也會(huì)有很大的差異；第四，識(shí)別的語音中有背景噪聲或其他干擾。因此原有的模板匹配方法已不再適用。 實(shí)驗(yàn)室語音識(shí)別研究的巨大突破產(chǎn)生于20世紀(jì)80年代末：人們終于在實(shí)驗(yàn)室突破了大詞匯量、連續(xù)語音和非特定人這三大障礙，第一次把這三個(gè)特性都集成在一個(gè)系統(tǒng)中，

7、比較典型的是卡耐基梅隆大學(xué)(CarnegieMellonUniversity)的Sphinx系統(tǒng)，它是第一個(gè)高性能的非特定人、大詞匯量連續(xù)語音識(shí)別系統(tǒng)。 這一時(shí)期，語音識(shí)別研究進(jìn)一步走向深入，其顯著特征是HMM模型和人工神經(jīng)元網(wǎng)絡(luò)(ANN)在語音識(shí)別中的成功應(yīng)用。HMM模型的廣泛應(yīng)用應(yīng)歸功于AT&TBell實(shí)驗(yàn)室Rabiner等科學(xué)家的努力，他們把原本艱澀的HMM純數(shù)學(xué)模型工程化,從而為更多研究者了解和認(rèn)識(shí)，從而使統(tǒng)計(jì)方法成為了語音識(shí)別技術(shù)的主流。 統(tǒng)計(jì)方法將研究者的視線從微觀轉(zhuǎn)向宏觀，不再刻意追求語音特征的細(xì)化，而是更多地從整體平均（統(tǒng)計(jì)）的角度來建立最佳的語音識(shí)別系統(tǒng)。在聲學(xué)模型方

8、面，以Markov鏈為基礎(chǔ)的語音序列建模方法HMM（隱式Markov鏈）比較有效地解決了語音信號(hào)短時(shí)穩(wěn)定、長時(shí)時(shí)變的特性，并且能根據(jù)一些基本建模單元構(gòu)造成連續(xù)語音的句子模型，達(dá)到了比較高的建模精度和建模靈活性。在語言層面上，通過統(tǒng)計(jì)真實(shí)大規(guī)模語料的詞之間同現(xiàn)概率即N元統(tǒng)計(jì)模型來區(qū)分識(shí)別帶來的模糊音和同音詞。另外，人工神經(jīng)網(wǎng)絡(luò)方法、基于文法規(guī)則的語言處理機(jī)制等也在語音識(shí)別中得到了應(yīng)用。 20世紀(jì)90年代前期，許多著名的大公司如IBM、蘋果、ATT和NTT都對(duì)語音識(shí)別系統(tǒng)的實(shí)用化研究投以巨資。語音識(shí)別技術(shù)有一個(gè)很好的評(píng)估機(jī)制，那就是識(shí)別的準(zhǔn)確率，而這項(xiàng)指標(biāo)在20世紀(jì)90年代中后期實(shí)驗(yàn)室研究中得到了

9、不斷的提高。比較有代表性的系統(tǒng)有：IBM公司推出的ViaVoice和DragonSystem公司的NaturallySpeaking,Nuance公司的NuanceVoicePlatform語音平臺(tái)，Microsoft的Whisper,Sun的VoiceTone等。 其中IBM公司于1997年開發(fā)出漢語ViaVoice語音識(shí)別系統(tǒng)，次年又開發(fā)出可以識(shí)別上海話、廣東話和四川話等地方口音的語音識(shí)別系統(tǒng)ViaVoice'98。它帶有一個(gè)32,000詞的基本詞匯表，可以擴(kuò)展到65,000詞,還包括辦公常用詞條，具有“糾錯(cuò)機(jī)制”，其平均識(shí)別率可以達(dá)到95%。該系統(tǒng)對(duì)新聞?wù)Z音識(shí)別具有較高的精度，是

10、目前具有代表性的漢語連續(xù)語音識(shí)別系統(tǒng)。 3.2國內(nèi)研究歷史及現(xiàn)狀我國語音識(shí)別研究工作起步于五十年代，但近年來發(fā)展很快。研究水平也從實(shí)驗(yàn)室逐步走向?qū)嵱?。?987年開始執(zhí)行國家863計(jì)劃后，國家863智能計(jì)算機(jī)專家組為語音識(shí)別技術(shù)研究專門立項(xiàng)，每兩年滾動(dòng)一次。我國語音識(shí)別技術(shù)的研究水平已經(jīng)基本上與國外同步，在漢語語音識(shí)別技術(shù)上還有自己的特點(diǎn)與優(yōu)勢，并達(dá)到國際先進(jìn)水平。中科院自動(dòng)化所、聲學(xué)所、清華大學(xué)、北京大學(xué)、哈爾濱工業(yè)大學(xué)、上海交通大學(xué)、中國科技大學(xué)、北京郵電大學(xué)、華中科技大學(xué)等科研機(jī)構(gòu)都有實(shí)驗(yàn)室進(jìn)行過語音識(shí)別方面的研究，其中具有代表性的研究單位為清華大學(xué)電子工程系與中科院自動(dòng)化研究所模式識(shí)別

11、國家重點(diǎn)實(shí)驗(yàn)室。 清華大學(xué)電子工程系語音技術(shù)與專用芯片設(shè)計(jì)課題組，研發(fā)的非特定人漢語數(shù)碼串連續(xù)語音識(shí)別系統(tǒng)的識(shí)別精度，達(dá)到94.8%（不定長數(shù)字串）和96.8%（定長數(shù)字串）。在有5%的拒識(shí)率情況下，系統(tǒng)識(shí)別率可以達(dá)到96.9%（不定長數(shù)字串）和98.7%（定長數(shù)字串），這是目前國際最好的識(shí)別結(jié)果之一，其性能已經(jīng)接近實(shí)用水平。研發(fā)的5000詞郵包校核非特定人連續(xù)語音識(shí)別系統(tǒng)的識(shí)別率達(dá)到98.73%，前三選識(shí)別率達(dá)99.96%；并且可以識(shí)別普通話與四川話兩種語言，達(dá)到實(shí)用要求。 中科院自動(dòng)化所及其所屬模式科技(Pattek)公司2002年發(fā)布了他們共同推出的面向不同計(jì)算平臺(tái)和應(yīng)用的“天語”中文語

12、音系列產(chǎn)品PattekASR，結(jié)束了中文語音識(shí)別產(chǎn)品自1998年以來一直由國外公司壟斷的歷史。 4 語音識(shí)別的方法一般來說,語音識(shí)別的方法有三種：基于聲道模型和語音知識(shí)的方法、模板匹配的方法以及利用人工神經(jīng)網(wǎng)絡(luò)的方法。 4.1基于語音學(xué)和聲學(xué)的方法該方法起步較早，在語音識(shí)別技術(shù)提出的開始，就有了這方面的研究，但由于其模型及語音知識(shí)過于復(fù)雜，現(xiàn)階段沒有達(dá)到實(shí)用的階段。 通常認(rèn)為常用語言中有有限個(gè)不同的語音基元，而且可以通過其語音信號(hào)的頻域或時(shí)域特性來區(qū)分。這樣該方法分為兩步實(shí)現(xiàn)： 第一步，分段和標(biāo)號(hào) 把語音信號(hào)按時(shí)間分成離散的段，每段對(duì)應(yīng)一個(gè)或幾個(gè)語音基元的聲學(xué)特性。然后根據(jù)相應(yīng)聲學(xué)特性對(duì)每個(gè)分

13、段給出相近的語音標(biāo)號(hào) 第二步，得到詞序列 根據(jù)第一步所得語音標(biāo)號(hào)序列得到一個(gè)語音基元網(wǎng)格，從詞典得到有效的詞序列，也可結(jié)合句子的文法和語義同時(shí)進(jìn)行。 4.2模板匹配的方法模板匹配的方法發(fā)展比較成熟，目前已達(dá)到了實(shí)用階段。在模板匹配方法中，要經(jīng)過四個(gè)步驟：特征提取、模板訓(xùn)練、模板分類、判決。常用的技術(shù)有三種：動(dòng)態(tài)時(shí)間規(guī)整(DTW)、隱馬爾可夫（HMM）理論、矢量量化（VQ）技術(shù)。 4.2.1動(dòng)態(tài)時(shí)間規(guī)整(DTW) 語音信號(hào)的端點(diǎn)檢測是進(jìn)行語音識(shí)別中的一個(gè)基本步驟，它是特征訓(xùn)練和識(shí)別的基礎(chǔ)。所謂端點(diǎn)檢測就是在語音信號(hào)中的各種段落(如音素、音節(jié)、詞素)的始點(diǎn)和終點(diǎn)的位置，從語音信號(hào)中排除無聲段。在早

14、期，進(jìn)行端點(diǎn)檢測的主要依據(jù)是能量、振幅和過零率。但效果往往不明顯。60年代日本學(xué)者Itakura提出了動(dòng)態(tài)時(shí)間規(guī)整算法(DTW：DynamicTimeWarping)。算法的思想就是把未知量均勻的升長或縮短,直到與參考模式的長度一致。在這一過程中，未知單詞的時(shí)間軸要不均勻地扭曲或彎折，以使其特征與模型特征對(duì)正。 4.2.2隱馬爾可夫法(HMM) 隱馬爾可夫法(HMM)是70年代引入語音識(shí)別理論的，它的出現(xiàn)使得自然語音識(shí)別系統(tǒng)取得了實(shí)質(zhì)性的突破。HMM方法現(xiàn)已成為語音識(shí)別的主流技術(shù)，目前大多數(shù)大詞匯量、連續(xù)語音的非特定人語音識(shí)別系統(tǒng)都是基于HMM模型的。HMM是對(duì)語音信號(hào)的時(shí)間序列結(jié)構(gòu)建立統(tǒng)計(jì)模

15、型，將之看作一個(gè)數(shù)學(xué)上的雙重隨機(jī)過程：一個(gè)是用具有有限狀態(tài)數(shù)的Markov鏈來模擬語音信號(hào)統(tǒng)計(jì)特性變化的隱含的隨機(jī)過程，另一個(gè)是與Markov鏈的每一個(gè)狀態(tài)相關(guān)聯(lián)的觀測序列的隨機(jī)過程。前者通過后者表現(xiàn)出來，但前者的具體參數(shù)是不可測的。人的言語過程實(shí)際上就是一個(gè)雙重隨機(jī)過程，語音信號(hào)本身是一個(gè)可觀測的時(shí)變序列，是由大腦根據(jù)語法知識(shí)和言語需要(不可觀測的狀態(tài))發(fā)出的音素的參數(shù)流?？梢奌MM合理地模仿了這一過程，很好地描述了語音信號(hào)的整體非平穩(wěn)性和局部平穩(wěn)性,是較為理想的一種語音模型。 4.2.3矢量量化(VQ) 矢量量化(VectorQuantization)是一種重要的信號(hào)壓縮方法。與HMM相比

16、,矢量量化主要適用于小詞匯量、孤立詞的語音識(shí)別中。其過程是：將語音信號(hào)波形的k個(gè)樣點(diǎn)的每一幀，或有k個(gè)參數(shù)的每一參數(shù)幀，構(gòu)成k維空間中的一個(gè)矢量，然后對(duì)矢量進(jìn)行量化。量化時(shí)，將k維無限空間劃分為M個(gè)區(qū)域邊界，然后將輸入矢量與這些邊界進(jìn)行比較，并被量化為“距離”最小的區(qū)域邊界的中心矢量值。矢量量化器的設(shè)計(jì)就是從大量信號(hào)樣本中訓(xùn)練出好的碼書，從實(shí)際效果出發(fā)尋找到好的失真測度定義公式，設(shè)計(jì)出最佳的矢量量化系統(tǒng)，用最少的搜索和計(jì)算失真的運(yùn)算量，實(shí)現(xiàn)最大可能的平均信噪比。 核心思想可以這樣理解：如果一個(gè)碼書是為某一特定的信源而優(yōu)化設(shè)計(jì)的，那么由這一信息源產(chǎn)生的信號(hào)與該碼書的平均量化失真就應(yīng)小于其他信息的

17、信號(hào)與該碼書的平均量化失真，也就是說編碼器本身存在區(qū)分能力。 在實(shí)際的應(yīng)用過程中，人們還研究了多種降低復(fù)雜度的方法，這些方法大致可以分為兩類：無記憶的矢量量化和有記憶的矢量量化。無記憶的矢量量化包括樹形搜索的矢量量化和多級(jí)矢量量化。 4.3神經(jīng)網(wǎng)絡(luò)的方法利用人工神經(jīng)網(wǎng)絡(luò)的方法是80年代末期提出的一種新的語音識(shí)別方法。人工神經(jīng)網(wǎng)絡(luò)(ANN)本質(zhì)上是一個(gè)自適應(yīng)非線性動(dòng)力學(xué)系統(tǒng)，模擬了人類神經(jīng)活動(dòng)的原理，具有自適應(yīng)性、并行性、魯棒性、容錯(cuò)性和學(xué)習(xí)特性，其強(qiáng)的分類能力和輸入-輸出映射能力在語音識(shí)別中都很有吸引力。但由于存在訓(xùn)練、識(shí)別時(shí)間太長的缺點(diǎn)，目前仍處于實(shí)驗(yàn)探索階段。 由于ANN不能很好的描述語音

18、信號(hào)的時(shí)間動(dòng)態(tài)特性，所以常把ANN與傳統(tǒng)識(shí)別方法結(jié)合，分別利用各自優(yōu)點(diǎn)來進(jìn)行語音識(shí)別。5 語音識(shí)別產(chǎn)品語音識(shí)別產(chǎn)品技術(shù)的應(yīng)用可以分為兩個(gè)發(fā)展方向：一個(gè)方向是大詞匯量連續(xù)語音識(shí)別系統(tǒng)，主要應(yīng)用于計(jì)算機(jī)的聽寫機(jī)，以及與電話網(wǎng)或者互聯(lián)網(wǎng)相結(jié)合的語音信息查詢服務(wù)系統(tǒng)，這些系統(tǒng)都是在計(jì)算機(jī)平臺(tái)上實(shí)現(xiàn)的；另外一個(gè)重要的發(fā)展方向是小型化、便攜式語音產(chǎn)品的應(yīng)用，如無線手機(jī)上的撥號(hào)、汽車設(shè)備的語音控制、智能玩具、家電遙控等方面的應(yīng)用，這些應(yīng)用系統(tǒng)大都使用專門的硬件系統(tǒng)實(shí)現(xiàn)，特別是近幾年來迅速發(fā)展的語音信號(hào)處理專用芯片（Application Specific Integrated Circuit，ASIC）和語

19、音識(shí)別片上系統(tǒng)（System on Chip，SOC）的出現(xiàn)，為其廣泛應(yīng)用創(chuàng)造了極為有利的條件。5.1 Nuance的Dragon Dictation Dragon Dictation（中文名稱：聲龍聽寫）是由 Nuance 公司推出的適用于iPhone，iPad和 iPod touch用戶的一款語音識(shí)別應(yīng)用軟件，將用戶的語音轉(zhuǎn)換成文字。軟件目前支持美國英語、英國英語、澳大利亞英語、法語、德語、意大利語、西班牙語、日語、韓語和中文。Dragon Dictation可以將我們說的話轉(zhuǎn)換成文字，然后直接發(fā)送短信、電子郵件 或是發(fā)布到微博等SNS網(wǎng)站上。使用剪貼板粘貼語音轉(zhuǎn)成的文本保存，做其他用途。

20、同時(shí)還有有智能選字、選詞的列表建議。語音操控的修正界面為用戶提供了更方便的修正功能。5.2 Google公司的Voice Actions Voice Actions是google推出的語音搜索應(yīng)用程序，通過它，你可以用語音給運(yùn)行 Voice Actions 的 手機(jī)下命令，諸如發(fā)信息、打電話、聽音樂等。它提供了非常堅(jiān)實(shí)可靠的聲音識(shí)別引擎，較高識(shí)別度令人稱奇。并且它也推出了針對(duì)中國用戶的中文版。 5.3 蘋果公司的SiriSiri是蘋果公司在其產(chǎn)品iphone4s上應(yīng)用的一項(xiàng)語音控制功能。技術(shù)來源于美國國防部高級(jí)研究規(guī)劃局所公布的 CALO 計(jì)劃：一個(gè)讓軍方簡化處理一些繁復(fù)庶務(wù)，并具學(xué)習(xí)、組織以

21、及認(rèn)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(gè)人助理。Siri可以令iPhone4S變身為一臺(tái)智能化機(jī)器人，利用Siri用戶可以通過手機(jī)讀短信、介紹餐廳、詢問天氣、語音設(shè)置鬧鐘等。Siri可以支持自然語言輸入，并且可以調(diào)用系統(tǒng)自帶的天氣預(yù)報(bào)、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(duì)話式的應(yīng)答。Siri目前支持四種語言：英文，法文，德文，日語。其中英文分美式，英式，澳大利亞式。5.4 VocreVorce是一款非常受歡迎的iPhone口譯應(yīng)用，它旨在幫助經(jīng)常處于不同語言環(huán)境中的人們輕松突破語言障礙、實(shí)現(xiàn)自由溝通。有了Vocre，你在與外國人聊天時(shí)，只需打開 Vocre，選擇對(duì)方的語言和性別，剩下的事情Vocre會(huì)幫你解決。當(dāng)你的 iPhone 豎著放時(shí)對(duì)它講話，把它橫過來，它會(huì)自動(dòng)翻譯你對(duì)它說的話。Vocre 通過 Nuance 將語音轉(zhuǎn)換成文字，通過他們自己的眾包機(jī)器學(xué)習(xí)技術(shù)，將文字翻譯之后，再通過 iSpeech 重新將文字轉(zhuǎn)換成語音。通過Vorce軟件，來自不同國家有不同語言背景的兩個(gè)人可以自由交流。5.5 IBM的ViaVoice和微軟的Speech SDK IBM ViaVoice 是一種通過麥克風(fēng)輸入中文的一種程序。