什么是ASR

語音識別技術，也被稱為自動語音識別Automatic Speech Recognition(ASR)，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。與說話人識別及說話人確認不同，后者嘗試識別或確認發出語音的說話人而非其中所包含的詞匯內容。

國內發展

我國語音識別研究工作起步于五十年代，但近年來發展很快。研究水平也從實驗室逐步走向實用。從1987年開始執行國家863計劃后，國家863智能計算機專家組為語音識別技術研究專門立項，每兩年滾動一次。我國語音識別技術的研究水平已經基本上與國外同步，在漢語語音識別技術上還有自己的特點與優勢，并達到國際先進水平。中科院自動化所、聲學所、清華大學、北京大學、哈爾濱工業大學、上海交通大學、中國科技大學、北京郵電大學、華中科技大學等科研機構都有實驗室進行過語音識別方面的研究，其中具有代表性的研究單位為清華大學電子工程系與中科院自動化研究所模式識別國家重點實驗室。

清華大學電子工程系語音技術與專用芯片設計課題組，研發的非特定人漢語數碼串連續語音識別系統的識別精度，達到94.8%（不定長數字串）和96.8%（定長數字串）。在有5%的拒識率情況下，系統識別率可以達到96.9%（不定長數字串）和98.7%（定長數字串），這是目前國際最好的識別結果之一，其性能已經接近實用水平。研發的5000詞郵包校核非特定人連續語音識別系統的識別率達到98.73%，前三選識別率達99.96%；并且可以識別普通話與四川話兩種語言，達到實用要求。

語音識別系統的三大部分

語音信號預處理與特征提取：語音識別一個根本的問題是合理的選用特征。特征參數提取的目的是對語音信號進行分析處理，去掉與語音識別無關的冗余信息，獲得影響語音識別的重要信息，同時對語音信號進行壓縮。

聲學模型與模式匹配：聲學模型通常是將獲取的語音特征使用訓練算法進行訓練后產生。在識別時將輸入的語音特征同聲學模型（模式）進行匹配與比較，得到最佳的識別結果。

語言模型與語言處理：語言模型包括由識別語音命令構成的語法網絡或由統計方法構成的語言模型，語言處理可以進行語法、語義分析。