語音辨識 是什麼？

Speech Recognition：語音辨識 的完整解釋

語音辨識是一種將人類語音轉換為機器可理解的文字或指令的技術，使電腦能夠聽懂並處理人類語言。

容易混淆

語音合成 語音辨識是「聽」的技術，把聲音變成文字。 語音合成是「說」的技術，把文字變成聲音。一個是把人的話讓機器懂，另一個是讓機器能用人的方式說話。

最關鍵的區別：先看它是在比意思、比結構，還是在做任務輸出。

記住這句就好

把聲音變文字，就是語音辨識。

實際案例

手機語音輸入把你的口述轉成訊息內容。 會議錄音轉文字，方便後續搜尋和摘要。

算法與應用

核心元件常包含聲學模型、語言模型和解碼器，現在也常用端到端深度學習架構。 評估常看詞錯誤率，因為一個字辨錯就可能影響整句意思。

中英對照與常見說法

相反方向是 TTS（Text-to-Speech，文字轉語音）。兩者常被搞混，判斷方式看輸入：語音辨識輸入聲音、輸出文字。

現在的做法跟以前差在哪

端到端讓建置門檻大幅下降，代價是不好局部修正。傳統做法要讓模型認得一個新的專有名詞，改詞典就好；端到端模型通常得靠提示、外掛的偏置詞表或重新微調。

評估指標與實務難點

字錯誤率（WER，Word Error Rate）是標準指標：把插入、刪除、替換三種錯誤加起來除以參考文字的總詞數。中文一般改用字元錯誤率（CER），因為中文沒有空格分詞。

WER 可能超過 100%，因為插入錯誤沒有上限。看到一個 WER 數字要問清楚三件事：哪個資料集、有沒有做文字正規化（大小寫、標點、數字寫法）、以及是不是乾淨錄音。安靜錄音室與真實會議室的 WER 常常差兩倍以上。

實務上最難的不是安靜環境的一般對話，而是：多人重疊說話（需要語者分離與語者辨識）、專業術語與人名、口音與語碼轉換（中英夾雜在台灣特別常見）、以及遠場麥克風的迴音與噪音。

標點與斷句通常是另一個模型做的。原始輸出常常是一長串沒有標點的文字，可讀的逐字稿需要額外的標點還原步驟，評估時要分清楚錯的是辨識還是後處理。

情境判斷

Q1（直覺題）： 你按住麥克風對手機說話，這就是語音辨識的典型應用嗎？

→ 是。把聲音轉成文字或指令，正是它的主場。

Q2（判斷題）： 如果環境很吵、講話又重疊，準確率通常會怎樣？

→ 會下降。看情況，噪音和重疊語音都會讓辨識變難。

語音辨識 在 iPAS 考試中的重點

根據歷年統計，語音辨識 相關題目 平均佔 AI 技術類考題 5%， 屬於中頻考範圍。

常見出題方向：應用場景識別與分析（45%）、技術整合方案設計（35%）、實務應用案例判斷（20%）。

常見問題

什麼是語音辨識？

語音辨識是一種將人類語音轉換為機器可理解的文字或指令的技術，使電腦能夠聽懂並處理人類語言。它結合了聲學模型和語言模型，在人機交互中扮演重要角色。

語音辨識在 iPAS 考試中怎麼考？

iPAS 初級考試（L11402）中，語音辨識的考點包括基本概念、核心技術（聲學模型、語言模型）、評估指標（詞錯誤率）和實際應用。常見題型有選擇題、簡答題和案例分析。

語音辨識和哪個術語最常被混淆？

語音辨識最常與語音合成混淆。語音辨識是將語音轉換為文字，而語音合成則是將文字轉換為語音。兩者功能相反，但都是語音處理的重要組成部分，應用於不同場景。