电影中，伊森.亨特重复播放由若干单词组成的一小段英国首相的录音，就轻松骗过了语音识别系统。看似轻松的破解过程，只需要一台录音机就能完成的攻击手段，让“语音识别技术”在黑科技云集的科幻大片中并不那么耀眼。
日常生活中，我们也有接触到各种形式的语音识别技术，用来取代键盘输入，或者变身成Siri一般的智能小助手，与人类进行简单的对话。
语音识别技术，到底在研究什么?能多大程度改变我们的生活?
我为各位一一道来。
\
语音识别的特点
语音识别，是一种结合了生理和行为两种成分的生物认证技术。气管、鼻腔、咽喉、舌头等组织的相互配合，影响了声音的音调、音强和音色，从而形成了每个人声音的独特性，这构成语音的生理基础;而每个人不同的说话内容，则构成了语音的行为基础。
因此，语音识别是一种很有趣的过程，既要知道你在说什么内容(行为特征)，又要知道你在以什么样的方式说(生理特征)。
语音识别，是成本最低的生物识别技术。
因为不需要依赖昂贵的成像芯片和光学镜头，也没有台式PC和移动终端的限制，只需要一枚麦克风即可采集语音，因此在各种身份认证产品中都可以集成该功能。用户对着麦克风说出特定的短语，系统将用户的语音样本过滤后，与先前存储的语音样本比较，达到一定的近似度阈值，用户就通过了身份认证。
语音识别的应用
语音识别技术，分为“语义识别”和“语音身份识别”两大类应用模式。
语义识别，也被称作话语识别、非特定人语音识别，其目的在于理解话语中的单词和句子——也就是话语中的内容。
由于几乎可以被任何人使用，语义识别技术的应用场景非常多样化，被集成到各种设备上，已经成为智能硬件发展的主流趋势。
手机的进化历史，就是文本输入技术的发展史，也是语义识别技术的革命史。最早的功能手机屏幕很小，带有26键或9键实体键盘;随着智能手机发展，实体按键越来越少，甚至整合进入屏幕成为虚拟键盘。实体键消失的大趋势，让文本输入技术发生着改变，而手环、手表、眼镜等小屏或无屏可穿戴式设备的兴起，人们不得不寻找比键盘更有效的文本输入方式。于是，语音识别技术，成为文本输入的最轻松、最自然方式。
正如Siri为我们展示的那样，我们已经习惯于通过语音拨打电话、打开应用、查询天气，也能不动一根手指，用语音输入法发送消息，但这些语义应用，依然借助了屏幕这一载体。未来，智能设备几乎是没有屏幕可以触摸，最终只能通过语音这种采集成本低、容易集成的方式来实现人机交互。
语音身份识别，也称说话者识别，将语音作为一种稳定的生物特征来识别说话者的身份。
早期的身份识别精度很低，缺乏特定的语音处理和特征提取技术，只能判断一个人的种族。二战时，美日双方经常夜战，黑暗中无法判断对方是敌是友。美国人根据 “日本人对l，r发音不准确”这一声音特性，制定了一个口令“lollapalooza(意为：非常出色的人)”，一旦对方发音不准确，就直接开火。 |
