語音辨識（Speech Recognition）

語音辨識是什麼？

語音辨識是一種讓機器理解和轉錄人類語音的技術，它將口語轉換為可被電腦處理的文字或指令。這項技術是人機互動的重要橋樑，使人們能夠通過語音與機器進行交流。現代語音辨識系統的準確率已經非常高，在特定情境下甚至可以達到 95% 以上的準確率。

語音辨識的核心原理

語音辨識系統的運作通常包含以下幾個步驟：

1. 聲音輸入與預處理： 首先，通過麥克風等設備收集語音訊號。預處理階段包括降噪、濾波等操作，以提高訊號品質。
2. 特徵提取： 將語音訊號轉換為一系列的聲學特徵，例如梅爾頻率倒譜係數（Mel-Frequency Cepstral Coefficients, MFCCs）。這些特徵能夠有效地表示語音的聲學特性。
3. 聲學模型： 聲學模型利用大量的語音數據進行訓練，學習語音特徵與音素（語音的最小單位）之間的關係。常見的聲學模型包括隱馬爾可夫模型（Hidden Markov Model, HMM）和深度神經網絡（Deep Neural Network, DNN）。
4. 語言模型： 語言模型描述了詞彙在特定語境下的出現概率，例如 "今天天氣很好" 比 "今天天氣好很" 更符合語言習慣。N-gram 模型和循環神經網絡（Recurrent Neural Network, RNN）是常用的語言模型。
5. 解碼： 解碼器結合聲學模型和語言模型，在所有可能的詞序列中尋找最符合輸入語音訊號的序列，並將其輸出為文字。

語音辨識在實務中的應用

1. 語音助手： 例如 Apple 的 Siri、Google Assistant 和 Amazon 的 Alexa，它們利用語音辨識技術理解用戶的語音指令，並執行相應的操作，如播放音樂、設定鬧鐘、查詢資訊等。
2. 智能客服： 許多企業使用語音辨識技術建立智能客服系統，自動回答客戶的常見問題，降低人力成本，提高服務效率。例如，電信公司利用語音辨識來自動分類客戶來電，並將其轉接到相應的部門。
3. 醫療保健： 醫生可以使用語音辨識軟體進行病歷記錄，提高工作效率。例如，Nuance Communications 提供的 Dragon Medical One 軟體，可以讓醫生通過語音輸入病歷，減少手動輸入的時間。
4. 汽車工業： 語音辨識技術被應用於車載系統中，駕駛員可以使用語音控制導航、音樂播放、電話撥打等功能，提高駕駛安全性。例如，許多汽車品牌都配備了語音控制系統，讓駕駛員在駕駛過程中無需分散注意力。

語音辨識在 iPAS 考試中的重點

在 iPAS 初級 AI 基礎概論（L11402）考試中，語音辨識的考點主要集中在以下幾個方面：

• 基本概念： 語音辨識的定義、原理、應用場景。
• 核心技術： 聲學模型、語言模型、特徵提取。
• 評估指標： 詞錯誤率（WER）的計算和意義。
• 實際應用： 語音助手、智能客服等應用案例。

考試中常見的出題方向包括：

• 選擇題：考察對語音辨識基本概念的理解。
• 簡答題：解釋聲學模型和語言模型的作用。
• 案例分析：分析語音辨識技術在特定場景中的應用。

常見問題

語音辨識和相近概念有何差異？

特性	語音辨識 (Speech Recognition)	語音合成 (Speech Synthesis)
功能	將語音轉換為文字	將文字轉換為語音
輸入	語音訊號	文字
輸出	文字	語音訊號
應用	語音助手、自動字幕生成	文字轉語音閱讀器、語音提示

學習語音辨識最容易踩的坑是什麼？

初學者容易認為語音辨識是一個完全解決的問題，忽略了其在不同環境和口音下的表現差異。實際上，語音辨識的準確率會受到背景噪音、語音清晰度、口音等因素的影響。此外，過度依賴現成的 API 而忽略對底層原理的理解也是一個常見的誤區。

考試中如何快速辨認語音辨識的考題？

注意題目中是否包含以下關鍵詞：聲學模型、語言模型、梅爾頻率倒譜係數（MFCCs）、詞錯誤率（WER）、隱馬爾可夫模型（HMM）、深度神經網絡（DNN）、語音助手、智能客服。如果題目中出現這些關鍵詞，很可能與語音辨識相關。另外，題目若提及將語音轉換為文字，或者通過語音控制設備，也大概率是考語音辨識。