語音識別（SR）功能是當今國外操作系統的標準特征，而國產操作系統根本不具備這樣的特質，並且國家隊沒有相關的主觀動力。去開發實際可用的語音識別系統。與國外相比，國產操作系統落後了一大節子，怪誰？

如何讓機器識別人的語音？事實上大道理並不復雜。首先，讓機器設備聽懂元音，然後聽懂輔音。將兩者合成起來成為單詞，再做進一步的處理。可是。實際做起來就復雜了。

怎麽做？

建立“語料庫”（Corpus），就是建立語音的聲學模型庫。比方。”貓“這個單詞的發音，必須讓機器記住“貓”的發音，設法讓機器聽到“貓”所相應的“聲音”（所謂”生物信號“）就知道主人對它說的是“貓”。語料庫就是建立單詞與語音的相應關系。這是基本建設，須要投入大量的人力、物力。別無他法。

不論什麽語音都有個人特征，盡管100個人的發音基本同樣，可是，存在一定的差異。

所以機器的聽覺總是存在“錯誤率”，這是必定的。減少機器識別錯誤率是必要的。這是一個基本認識，對機器不能要求過高。機器耳朵永遠比只是人耳。

微軟、谷歌、百度語音識別巨頭都擁有各自的數萬小時的語料庫，可是，我們卻沒有，Linux社區也沒有GPL可用的語料庫（VoxForge不帶我們玩）。

怎麽辦？天上不會自己主動掉餡餅。

要知道。私有公司建立自己的版權大型語料庫總是要付出巨大的投入成本。而我們有人喜歡天上掉餡餅。整天坐在院子裏面張著大嘴巴對著藍天等著天上掉下餡餅來。

袁萌 7月14日

語音識別（SR）的秘密