几种语音识别方法的比较

本文列举了几种不同的语音识别方法。

第一种：基于动态时间规整（Dynamic Time Warping）的算法

在连续语音识别中仍然是主流方法。

该方法的运算量较大，但技术上较简单，识别正确率高。

在小词汇量、孤立字（词）识别系统中，也已有许多改进的DTW算法被提出。例如，利用频率尺度的DTW算法进行孤立字（词）识别的方法。

第二种：基于参数模型的隐马尔可夫模型（HMM）的方法

该算法主要用于大词汇量的语音识别系统，它需要较多的模型训练数据，较长的训练和识别时间，而且还需要较大的内存空间。

一般连续隐马尔可夫模型要比离散隐马尔可夫模型计算量大，但识别率要高。

第三种：基于非参数模型的矢量量化（VQ）的方法

该方法所需的模型训练数据，训练和识别时间，工作存储空间都很小。

但是VQ算法对于大词汇量语音识别的识别性能不如HMM好。

在孤立字（词）语音识别系统中得到了很好的应用。

另外，还有基于人工神经网络（ANN）的算法和混合算法，如ANN/HMM法，FSVQ/HMM 法等。