自動(dòng)語(yǔ)音識(shí)別技術(shù)有三個(gè)基本原理：首先語(yǔ)音信號(hào)中的語(yǔ)言信息是按照短時(shí)幅度譜的時(shí)間變化模式來(lái)編碼;其次語(yǔ)音是可以閱讀的，即它的聲學(xué)信號(hào)可以在不考慮說(shuō)話(huà)人試圖傳達(dá)的信息內(nèi)容的情況下用數(shù)十個(gè)具有區(qū)別性的、離散的符號(hào)來(lái)表示;第三語(yǔ)音交互是一個(gè)認(rèn)知過(guò)程，因而不能與語(yǔ)言的語(yǔ)法、語(yǔ)義和語(yǔ)用結(jié)構(gòu)割裂開(kāi)來(lái)。

聲學(xué)模型：語(yǔ)音識(shí)別系統(tǒng)的模型通常由聲學(xué)模型和語(yǔ)言模型兩部分組成，分別對(duì)應(yīng)于語(yǔ)音到音節(jié)概率的計(jì)算和音節(jié)到字概率的計(jì)算。

搜索：連續(xù)語(yǔ)音識(shí)別中的搜索，就是尋找一個(gè)詞模型序列以描述輸入語(yǔ)音信號(hào)，從而得到詞解碼序列。搜索所依據(jù)的是對(duì)公式中的聲學(xué)模型打分和語(yǔ)言模型打分。在實(shí)際使用中，往往要依據(jù)經(jīng)驗(yàn)給語(yǔ)言模型加上一個(gè)高權(quán)重，并設(shè)置一個(gè)長(zhǎng)詞懲罰分?jǐn)?shù)。

系統(tǒng)實(shí)現(xiàn)：語(yǔ)音識(shí)別系統(tǒng)選擇識(shí)別基元的要求是，有準(zhǔn)確的定義，能得到足夠數(shù)據(jù)進(jìn)行訓(xùn)練，具有一般性。英語(yǔ)通常采用上下文相關(guān)的音素建模，漢語(yǔ)的協(xié)同發(fā)音不如英語(yǔ)嚴(yán)重，可以采用音節(jié)建模。系統(tǒng)所需的訓(xùn)練數(shù)據(jù)大小與模型復(fù)雜度有關(guān)。模型設(shè)計(jì)得過(guò)于復(fù)雜以至于超出了所提供的訓(xùn)練數(shù)據(jù)的能力，會(huì)使得性能急劇下降。

?

聽(tīng)寫(xiě)機(jī)：大詞匯量、非特定人、連續(xù)語(yǔ)音識(shí)別系統(tǒng)通常稱(chēng)為聽(tīng)寫(xiě)機(jī)。其架構(gòu)就是建立在前述聲學(xué)模型和語(yǔ)言模型基礎(chǔ)上的HMM拓?fù)浣Y(jié)構(gòu)。訓(xùn)練時(shí)對(duì)每個(gè)基元用前向后向算法獲得模型參數(shù)，識(shí)別時(shí)，將基元串接成詞，詞間加上靜音模型并引入語(yǔ)言模型作為詞間轉(zhuǎn)移概率，形成循環(huán)結(jié)構(gòu)，用Viterbi算法進(jìn)行解碼。針對(duì)漢語(yǔ)易于分割的特點(diǎn)，先進(jìn)行分割再對(duì)每一段進(jìn)行解碼，是用以提高效率的一個(gè)簡(jiǎn)化方法。

對(duì)話(huà)系統(tǒng)：用于實(shí)現(xiàn)人機(jī)口語(yǔ)對(duì)話(huà)的系統(tǒng)稱(chēng)為對(duì)話(huà)系統(tǒng)。受目前技術(shù)所限，對(duì)話(huà)系統(tǒng)往往是面向一個(gè)狹窄領(lǐng)域、詞匯量有限的系統(tǒng)，其題材有旅游查詢(xún)、訂票、數(shù)據(jù)庫(kù)檢索等等。其前端是一個(gè)語(yǔ)音識(shí)別器，識(shí)別產(chǎn)生的N-best候選或詞候選網(wǎng)格，由語(yǔ)法分析器進(jìn)行分析獲取語(yǔ)義信息，再由對(duì)話(huà)管理器確定應(yīng)答信息，由語(yǔ)音合成器輸出。由于目前的系統(tǒng)往往詞匯量有限，也可以用提取關(guān)鍵詞的方法來(lái)獲取語(yǔ)義信息

?