1.1. 1 目录

• 任务分类
• 常见概念
• 语音识别效果评测

语音识别(Speech Recognition)的目标是把语音转换成文字，因此语音识别系统也叫做STT(Specch to Text)系统。语音识别是实现人机自然语言交互非常重要的第一个步骤，把语音转换成文字之后就由自然语言理解系统来进行语义的计算。

有的学者把语音识别和自然语言理解都放到一起叫做Speech and Language Processing，比如Dan Jurafsky等人的书Speech and Language Processing，讨论的内容包括语音识别和自然语言处理。在语音识别时会使用语言模型，这也是自然语言处理的研究对象，在很多其它自然语言处理系统比如机器翻译等都会使用到语言模型。

更多的时候这两个方向的研究并不会有太多重叠的地方，语音识别除了语言模型之外也不会考虑太多的”语义”。而自然语言处理假设的研究对象都是文本，他们并不关心文本是语音识别的结果还是用户从键盘的输入亦或是OCR(图像处理)扫描的结果。但是从人类的语言发展来说，我们都是首先有语言而后才有文字，即使到今天，仍然有一些语言只有声音而没有文字。虽然研究的时候需要有一个更具体的方向，但是也不能把Speech和Language完全割裂开来。