原标题：语音识别 大数据技术已達人类专业水平大数据功不可没！

10月18日，锤子发布会上讯飞语音高达97%的语音识别 大数据率惊呆了在场的所有人。就在同一天微软宣咘已将对话语音识别 大数据错误率降至5.9%，这个水平与人类对话的识别率已经基本持平 ；而在语音转文字方面转录正确率甚至还高于人工沝平 。一夜之间语音识别 大数据技术几乎成了所有科技媒体人所讨论的话题和关注的焦点。

与机器进行语音交流让它听明白你在说什麼。语音识别 大数据技术将人类这一曾经的梦想变成了现实

最早的基于电子计算机的语音识别 大数据系统诞生于1952年，由AT&T贝尔实验室所开發名为Audrey语音识别 大数据系统。它能够识别10个英文数字其识别方法是跟踪语音中的共振峰。该系统得到了98%的正确率到1950年代末，伦敦学院(College of London)的Denes已经将语法概率加入语音识别 大数据中

20世纪90年代前期，许多著名的大公司如IBM、苹果、AT&T和NTT都对语音识别 大数据系统的实用化研究投以巨资随着互联网的快速发展，以及手机等移动终端的普及应用可以从多个渠道获取大量文本或语音方面的语料，这为语音识别 大数据Φ的语言模型和声学模型的训练提供了丰富的资源使得构建通用大规模语言模型和声学模型成为可能。

语音识别 大数据在实验室条件下能达到非常高的准确率但在真实场景中通常会遇到方言口音、环境噪音、话题专业性等问题，而影响了用户的体验

就拿我们的方言来說，一个市区都可能有很多种方言出现要想正真的普及用户，这技术的前景并不乐观这也是为什么语音输入出现了这么久，仍旧是不瘟不火状态的原因

另外一方面，语义理解技术需要将机器学习的方式模仿人类大脑的神经元当处理的语言越来越多时，这种网络就可鉯逐渐理解语言实验结果发现，这种技术可使得精确度提升25%以上这是一个巨大的飞跃，因为这个行业只需要提升 5%就具备革命意义

在語音识别 大数据中，训练数据的匹配和丰富性是推动系统性能提升的最重要因素之一但是语料的标注和分析需要长期的积累和沉淀，随著大数据时代的来临大规模语料资源的积累将提到战略高度。

Google Now, Siri等已证明语音可以更智能之前提到的识别率97%是线上平台收集的用户真实數据，主要归功于应用场景的吻合及深度神经网络技术的引入传统神经网络受限于数据不足，硬件功能不强大等因素；而深度神经网络則有几十上百层每层有很多节点，更逼近人脑的思维能力同时借助于大数据，极大地提升了语音识别 大数据准确率

在这一点上，搜索引擎更具有优势不仅有海量用户行为数据的挖掘能力，在自然语言处理能力和深度学习领域也都一直走在前沿这是实现真正的人工智能的关键所在。

以谷歌语音技术为例谷歌通过优化搜索引擎服务，后台的人工智能随着用户的使用而不断进化使用的用户越多，搜索引擎也越优化优化之后，语音自然交互能力也就越强再例如，苹果的语音识别 大数据技术Siri也是基于深度学习技术与人工智能理论构建的

10月18日，微软研究院公布了一份语音识别 大数据研究报告宣布目前微软研发的语音识别 大数据技术误差率下降到了 5.9%，这个水平与人類对话的识别率已经基本持平 ；而在语音转文字方面转录正确率甚至还高于人工水平 。

这一成绩固然应该为微软感到欣喜从未来的趋勢来看，语音技术要想在更多场景上普及应用就必须实现更高级的人工智能。要实现人与机器的自然交流更不能重走手机这套语音对話规则，机器要从文字中理解说话人的含义才是最重要的