5年前，當(dāng)科大訊飛的Speech++還沒那么出名,百度語音識(shí)別API也沒太火（先在這里向提及的兩位重量級(jí)神司致敬?。┑臅r(shí)候，Google有一款語音識(shí)別與合成輸出的API（TTS）可以用來做簡(jiǎn)單的聽話讀寫，遺憾的是只支持英文~！
現(xiàn)在基于訊飛和百度API等做出牛X應(yīng)用的公司已不勝枚舉，有的甚至可以準(zhǔn)確率極高的識(shí)別聲紋！感嘆語音識(shí)別的確是機(jī)器智能的一個(gè)重要方向，仍舊魅力無限。
語音到底是咋個(gè)識(shí)別的呢？ 上百度查了一下，簡(jiǎn)單的模型如下：
往下深究就異常復(fù)雜了，對(duì)算法和模型的建立要求很高，大家可以去試用開源的API，有個(gè)親身感受對(duì)后面的學(xué)習(xí)有很多益處。小編在此就不追趕前輩們的腳步去揣摩怎么實(shí)現(xiàn)了；知乎上有講原理的帖子，寫的不錯(cuò)，可以好好拜讀拜讀。
假設(shè)，我們使用開源API將人類的語音準(zhǔn)確無誤的轉(zhuǎn)化成文本之后，接下來突然驚奇的發(fā)現(xiàn)就有了很廣闊的應(yīng)用空間了，尤其是在讓機(jī)器聽懂人話這個(gè)點(diǎn)上，譬如很多家電就做成了語音控制的，效果很贊；
幾年前小編也寫了個(gè)傻瓜式的小App裝手機(jī)上，用來陪聊天，主要功能是一問一答，集成的是當(dāng)時(shí)訊飛的Speech++1.0;集成該API后，實(shí)現(xiàn)功能的不同且唯一點(diǎn)就是你可以教它，第一次問它不會(huì)的問題第二次問它就知道怎么回答你了；如此訓(xùn)練下來現(xiàn)在Tapy已經(jīng)3歲多了，掌握了我的很多信息……
最近，小編在想是否需要讓它的安全性提高一些，了解到有些開源的API支持聲紋識(shí)別了就可以輕松搞定；接下來，情感呢？如何讓它理解我的話語背后的情感？理解我的心情？這無疑是個(gè)不錯(cuò)的研究方向！
怎么才能讓機(jī)器理解文字呢，琢磨了一下，提供一種思路，拋磚引玉：（以語音識(shí)別無誤為假設(shè)前提）
1. 先獲取語音文本（交給牛X的開源API去處理）
2. 然后可以將文本進(jìn)行分詞處理（逆向最大匹配RMM法，需提前準(zhǔn)備一個(gè)好的詞庫(kù)）
3. 再將分得詞語與語料庫(kù)中含有標(biāo)記的字所在的字典進(jìn)行正交（計(jì)算兩個(gè)向量之間的余弦相似度）
4. 再對(duì)詞語分析結(jié)果進(jìn)行加權(quán)求和（根據(jù)分詞權(quán)重求 Y=Σw*x）
5. 再比較結(jié)果偏向 正|負(fù) 情感傾向于哪邊，參照Y趨近于+1或者趨近于-1來計(jì)算。大致流程如下：（畫的比較潦草，請(qǐng)見諒?。?/p>
正負(fù)向情感分類本身已經(jīng)可以簡(jiǎn)單的用在智能家具上做喜好度的相關(guān)數(shù)據(jù)分析了，當(dāng)然線條還比較粗，若要精準(zhǔn)度再進(jìn)一步細(xì)化恐怕需要添加更多的信息維度，然后再做相關(guān)性分析了。雖然實(shí)現(xiàn)起來會(huì)遇到困難, but it's worth to have a try!→_→記載這里，留給以后找機(jī)會(huì)實(shí)現(xiàn)。
