智能語音簡史:這場技術(shù)革命從哪開始?
1952年,貝爾實驗室(Bell Labs)制造一臺6英尺高自動數(shù)字識別機(jī)“Audrey”,它可以識別數(shù)字0~9的發(fā)音,且準(zhǔn)確度高達(dá)90%以上。并且它對熟人的精準(zhǔn)度高,而對陌生人則偏低。
1956年,普林斯頓大學(xué)RCA實驗室開發(fā)了單音節(jié)詞識別系統(tǒng),能夠識別特定人的十個單音節(jié)詞中所包含的不同音節(jié)。
1959年,MIT的林肯實驗室開發(fā)了針對十個元音的非特定人語音識別系統(tǒng)。
二十世紀(jì)六十年代初,東京無線電實驗室、京都大學(xué)和NEC實驗室在語音識別領(lǐng)域取得了開拓性的進(jìn)展,各自先后制作了能夠進(jìn)行語音識別的專用硬件。
1964年的世界博覽會上,IBM向世人展示了數(shù)字語音識別的“shoe box recognizer”。
二十世紀(jì)七十年代,語音識別的研究取得了突破性的進(jìn)展,研究重心仍然是孤立詞語語音識別。
1971年,美國國防部研究所(Darpa)贊助了五年期限的語音理解研究項目,希望將識別的單詞量提升到1000以上。參與該項目的公司和學(xué)術(shù)機(jī)構(gòu)包括IBM、卡內(nèi)基梅隆大學(xué)(CMU)、斯坦福研究院。就這樣,Harpy在CMU誕生了。不像之前的識別器,Harpy可以識別整句話。
二十世紀(jì)八十年代,NEC提出了二階動態(tài)規(guī)劃算法,Bell實驗室提出了分層構(gòu)造算法,以及幀同步分層構(gòu)造算法等。同時,連接詞和大詞匯量連續(xù)語音的識別得到了較大發(fā)展,統(tǒng)計模型逐步取代模板匹配的方法,隱馬爾科夫模型(HMM)成為語音識別系統(tǒng)的基礎(chǔ)模型。
八十年代中期,IBM創(chuàng)造了一個語音控制的打字機(jī)—Tangora,能夠處理大約20000單詞。IBM的研究就是基于隱形馬爾科夫鏈模型(hidden Markov model),在信號處理技術(shù)中加入統(tǒng)計信息。這種方法使得在給定音素情況下,很有可能預(yù)測下一個因素。
1984年,IBM發(fā)布的語音識別系統(tǒng)在5000個詞匯量級上達(dá)到了95%的識別率。
1985年AT&T貝爾實驗室建造了第一個智能麥克風(fēng)系統(tǒng),用來研究大室內(nèi)空間的聲源位置追蹤問題。
1987年開始,國家開始執(zhí)行963計劃后,國家863智能計算機(jī)主題專家組為語音識別研究立項,每兩年一次。
1987年12月,李開復(fù)開發(fā)出世界上第一個“非特定人連續(xù)語音識別系統(tǒng)”。
1988年,卡耐基梅隆大學(xué)結(jié)合矢量量化技術(shù)(VQ),用VQ/HMM方法開發(fā)了世界上第一個非特定人大詞匯量連續(xù)語音識別系統(tǒng)SPHINX,能夠識別包括997個詞匯的4200個連續(xù)語句。
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 Intel宣布40年來最重大轉(zhuǎn)型:年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok,字節(jié)股價骨折!估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案,助力智能制造產(chǎn)業(yè)新飛躍
- 4 國產(chǎn)AI芯片公司破產(chǎn)!白菜價拍賣
- 5 具身智能火了,但規(guī)模落地還需時間
- 6 國產(chǎn)英偉達(dá)們,抓緊沖刺A股
- 7 三次錯失風(fēng)口!OpenAI前員工殺回AI編程賽道,老東家捧金相助
- 8 英特爾賦能智慧醫(yī)療,共創(chuàng)數(shù)字化未來
- 9 英偉達(dá)的麻煩在后頭?
- 10 將“網(wǎng)紅”變成“商品”,AI“爆改”實力拉滿
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市