隨著人工智能被抄的如火如荼，作為人工智能行業重要研究領域之一的語音識別技術也獲得社會各界的矚目。所謂智能語音，其原理涉及聲學、語言學、數字信號處理、計算機科學等多個學科，研究周期長、投入成本大，技術壁壘高，全球和中國語音市場基本形成寡頭壟斷格局。隨著語音識別產業的快速發展，產業競爭進一步加劇，吸引眾多上游廠商特別是全球知名IC企業紛紛加入。

　　“就目前看來，語音識別技術尚不能完全替代傳統的‘人機界面’。但是存在著巨大的發展潛力，針對一些相對簡單的控制，比如控制家電的開關等，會被漸漸投入實際應用。” 來自全球領先的半導體公司ADI的DSP亞洲業務區域經理陸磊先生針對現今的語音識別技術發表看法。由此看出，語音識別技術在不久的將來將成為改變人們生活的科技發展的重要技術。

　　ADI公司DSP亞洲業務區域經理 陸磊

　　若要將語音識別技術實現廣泛應用，則需要跨越諸多技術瓶頸，在陸磊看來眾多企業最亟待解決的技術挑戰，首先是對國內各地方言的識別成功率，其次是較強背景音或噪音的基礎上進行目標語音識別，最后一點則是提升對于復雜句和長句的識別率。作為一家專注于DSP研發的企業，ADI公司在語音識別領域具有強大的研發優勢，陸磊認為：“DSP的一個傳統應用就是語音處理，DSP的最大優勢在于其運算量比同主頻的MCU運算性能高，可以在普通的語音識別算法上對聲音作更多的處理，比如，先行運用一定的運算消除背景噪音，再進行目標聲音的識別。”

　　在實現語音識別算法時，會常用到浮點運算，那定點和浮點DSP具體是如何在識別過程中相輔相成的呢?針對這一問題，陸磊表示：“定點和浮點DSP都是實現語音識別的必備元素。在識別過程中，浮點DSP的運算可以先進行定點化處理，隨后在定點DSP上運行。目前隨著浮點處理器的價格不斷降低，浮點處理器則逐漸成為廠商及工程師的首選。”

　　陸磊先生再采訪的最后還這樣表示道：“針對不同行業和應用當中的語音識別技術，則需要按實際應用場景采用不同的DSP。DSP作為運行語音識別算法的重要載體，需要提供最佳的綜合性能表現，并將功耗，成本和功能三者達到最優平衡。”