语音识别研究经历了知识积累、模板匹配、模式识别、统计模型、机器学习和深度学习等五个发展阶段[1]。
1.知识积累阶段。20世纪30-50年代，针对特定语音或小词表的孤立词，设计专门的语音识别算法或装置。
2.模板匹配阶段。50-60年代，基于声学和语音学知识设计语音识别系统，主要使用模板匹配方法识别音位、音素和数字。
3.模式识别阶段。60-80年代，使用模式识别方法进行中小规模的孤立词或连续词串语音识别。
4.统计模型阶段。1980-2000年，隐马尔可夫模型用以处理语音中的动态问题，并用于连续语音识别系统设计，基于统计模型的方法慢慢确立成为语音识别主流框架。
5.机器学习和深度学习阶段。2000-2010年，机器学习的发展，特别是2011年至今深度学习的崛起，大大促进了大规模连续语音识别系统的性能提升和实用化。
1879年，爱迪生发明第一台听写机；
1952年Bell实验室发布能识别0-9数字精度达到90%；
1962年IBM Shoebox“鞋盒”能理解16个口语单词；
1971年，Harpy能理解1011个单词和一些短语；
1986年，IBM使用HMM模型可以预测下一个音素；
2008年，Google发布语音识别APP把语音识别代入移动设备；
2011年Apple发布语音助手Siri。
下图展示的是Swichboard语音识别国际会议上，使用电话语音库，训练和测试语音识别系统性能的发布会，2017年语音识别错误率达5.1%,已超过人类。
参考文献：
[1] 王东. 语音识别技术的现状与未来. 2017年
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
