弗若斯特沙利文人工智能行业中国AI语音识别市场研究报告

语音识别是人机交互的入口，是指机器/程序接收、解释声音，或理解和执行口头命令 的能力。在智能时代，越来越多的场景在设计个性化的交互界面时，采用以对话为主的交互 形式。一个完整的对话交互是由“听懂——理解——回答”三个步骤完成的闭环，其中， “听懂”需要语音识别(Automatic Speech Recognition, ASR)技术;“理解”需要自然语 言处理(Natural Language Processing, NLP)技术;“回答”需要语音合成(Text To Speech, TTS)技术。三个步骤环环相扣，相辅相成。语音识别技术是对话交互的开端，是保证对话 交互高效准确进行的基础。

语音识别技术自 20 世纪 50 年代开始步入萌芽阶段，发展至今，主流算法模型已经经 历了四个阶段:包括模板匹配阶段、模式和特征分析阶段、概率统计建模阶段和现在主流的 深度神经网络阶段。目前，语音识别主流厂商主要使用端到端算法，在理想实验环境下语音 识别准确率可高达 98%以上。

… …