爱华网
人们通常将语音识别分为语音分析和词语辨识，如果只是针对具体的语音进行划断识别，语音识别的精度肯定不会很高。我们应该关注人类大脑内部的结构，研究这些结构是如何帮助识别的。人的语言前后是连贯的整体，不能割裂开来处理；人的语言是有语境的，需要借助语境辅助识别。由于人的发音范围有限，而需要表达的意义众多，语言中有很多多音字，还有一些相近的字，人们还通过音节的拼接和划断来构成意群，这都会给识别增加难度。
语言就是编码和解码的过程，只有掌握了这套解码的钥匙，才能顺利进行语音识别。从理论上讲，表达着与接收者之间形成语义共振，从而传达特定的语义，语音只是载体，语义才是传输的信息，对于载体，我们要求拥有较高的信噪比和带宽，能够不被干扰；对于信系内容，则要求简洁。人类在激烈的生存竞争条件下需要提高竞争力，语言交流需要有效率。我们通过观察可以发现，在干扰较大的情况下，人们是通过夸张的口型、动作等辅助语义传输，这是为了提高辨识率；在信号比较清晰的情况下和双方默契的情况下，人们习惯使用简略的语言来表达，从而提高加密度和传达效率，能够对在场的而不需要知道的人实现区别传递。有时候看到两个人在说“暗语”、“黑话”，可能感到很生气但又没有办法，因为这套交流所需的背景知识只有表达和接收的两个人才了解，别人即使听得非常清晰，却不能将意义收敛。
了解了语言表达的实质，我们就能发现传统的语音识别存在的问题。1、如果将一句话分成许多字词去识别，只完成了语音识别的一部分工作，割裂了前后语音的关联，丢失了重要的识别信息，本来人可以达到的识别精度，机器就达不到，量变引起质变，机器识别过不了这个识别阈，成为失败的识别系统。2、机器中缺乏人脑中存在的概念，在遇到关键识别点的时候不能形成敏锐的识别能力，不知轻重缓急，从而达不到识别效果。从无线电传输中我们可以借鉴一些原理，电视天线只有针对特定频率形成尖锐的接受敏感度，能够形成高增益，才能使接受信号清晰。3、更高级的语言技巧自不用说，连基本的识别能力都做不到，如果表达着再使用一些表达艺术和脑筋急转弯，在系统缺乏这类技巧的时候就难以有所反应。人们常常采用情态辅助传递，情态对于语义有很好的收敛效应，在一定情态下更可能传达什么意思、不可能传达什么意思是有约定的，计算机如果不能针对情态进一步收敛语义，自然就难以接受到情态信息，也就难以针对情态优化识别。
我们应该考虑哪些影响识别的因素，从而提高识别能力？
1通过模式创生和模式激活提高敏锐度。
2通过语境和多渠道信息融合提高识别收敛度。
3通过想象提高语义延伸能力。
4通过语言模式修正对方言的识别。
5通过语法验证来纠错。
6识别情态，然后根据情态提高收敛度。
7运用节奏模式、语法模式提高重点监测点，提高思维效率。
8通过预测下文，提高噪声环境下的识别能力。
9通过局部脑区处理，实现多声源语言跟踪。
在大规模技术缺位的情况下，语音识别该如何做？技术的积累和能力的超越是一步步完成的，在达不到相应技术的前提下，我们不能追求更高的结果。从理论上讲，只有人最了解人，这是因为人的思维系统存在同构性，要计算机识别人类语言，就需要在结构方式上模仿人脑神经系统结构。人脑是由神经元细胞通过自组织形成的灵敏结构，这种系统结构具有自生成、自适应、携带本能等特点。运用这套结构的好处是系统具有自动学习能力。可以说如果不采用人脑自组织神经元群，就不能达到复杂系统的灵活性和自动建构，也就不能实现高水平的语音识别能力。
