基于云计算的语音输入方案研究

虽然不是所有的应用软件都适合用云计算来实现,但云计算的易捷性让很多企业看到了一种新的提供软件和存储服务的模式。网络环境的改善加上云计算自身在安全方面的突破和标准的统一将会把计算和存储放在云端服务器完成的云时代带到我们眼前。 目前语音识别的算法研究稳定在隐马尔科夫模型算法上,几乎所有的健壮语音识别系统都基于隐马尔科夫模型。语音识别的应用场景有很多,但作为一种和个人电脑人机交互的方法却很少被人采用。一方面是因为语音识别的准确率达不到作为输入解决方案的要求,另一方面是因为语音识别程序往往比较大,是现在流行键盘输入法程序的几十倍,不方便用户获取和安装到电脑上。本文尝试把语音识别在云计算上实现以解决第二方面的问题。 本文将基于隐马尔科夫模型的Sphinx 4开源语音识别系统移植到Google的云计算开放平台GAE(Google Application Engine)上,使得语音识别程序在浏览器中通过一个URL地址就能获取到。本地运行的Java applet采集语音数据然后发送到Google的云端(GAE)上由servlet完成语音识别处理,然后返回识别结果给用户。这样的语音识别解决方案不仅使得语音识别程序很容易获取,而且任何对源码的改动都会在不需要用户的配合下立即展现在用户面前。