一般取景操作不是簡(jiǎn)單的剪切，而是利用移動(dòng)窗口功能來(lái)實(shí)現(xiàn)，這里不贅述。通常，幀之間會(huì)有重疊。圖中每幀長(zhǎng)度為25ms，每?jī)蓭g有251015ms的重疊。我們稱之為幀長(zhǎng)25ms，幀移位10ms的成幀。分幅后，語(yǔ)音就變成了很多小段。但波形在時(shí)域上幾乎沒有描述能力，必須進(jìn)行變換。常見的變換方法是提取MFCC特征，根據(jù)人耳的生理特點(diǎn)，把每一幀波形變成一個(gè)多維向量，可以簡(jiǎn)單理解為包含了這一幀的內(nèi)容信息語(yǔ)音。

語(yǔ)音識(shí)別技術(shù)的原理是將語(yǔ)音信號(hào)的一段轉(zhuǎn)換成相應(yīng)的文本信息。該系統(tǒng)主要包括四個(gè)部分:特征提取、聲學(xué)模型、語(yǔ)言模型、詞典和解碼。之后，特征提取工作將聲音信號(hào)從時(shí)域轉(zhuǎn)換到頻域，為聲學(xué)模型提供合適的特征向量；在聲學(xué)模型中，根據(jù)聲學(xué)特征計(jì)算每個(gè)特征向量在聲學(xué)特征上的得分；

最后，根據(jù)已有的詞典，對(duì)短語(yǔ)序列進(jìn)行解碼，得到最終可能的文本表示。作為語(yǔ)音 識(shí)別的前提和基礎(chǔ)，對(duì)語(yǔ)音信號(hào)的預(yù)處理非常重要。在最終的模板匹配中，將輸入的語(yǔ)音信號(hào)的特征參數(shù)與模板庫(kù)中的特征參數(shù)進(jìn)行比較。因此，只有在預(yù)處理階段獲得能夠表征語(yǔ)音信號(hào)本質(zhì)特征的特征參數(shù)，這些特征參數(shù)才能高速率匹配識(shí)別。

使用YQ5969，其中語(yǔ)音識(shí)別技術(shù)可以支持本地和云識(shí)別不同的需求。5米以內(nèi)，本地識(shí)別率超過(guò)93%，云端識(shí)別率百分之九十七。這個(gè)語(yǔ)音 識(shí)別技術(shù)安靜環(huán)境下的特性語(yǔ)音識(shí)別系統(tǒng)已經(jīng)接近人類的水平，目前已經(jīng)有很多實(shí)際應(yīng)用，但是目前/。NRK 10語(yǔ)音 識(shí)別芯片是廣州九信電子自主研發(fā)的高性能、低成本離線語(yǔ)音識(shí)別芯片，具有語(yǔ)音/1223。

語(yǔ)音識(shí)別技術(shù)，又稱自動(dòng)語(yǔ)音識(shí)別(自動(dòng)語(yǔ)音識(shí)別，ASR)，其目標(biāo)。與說(shuō)話人識(shí)別和說(shuō)話人確認(rèn)不同，后者試圖識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說(shuō)話人，而不是其中包含的詞法內(nèi)容。語(yǔ)音識(shí)別技術(shù)屬于人工智能的一個(gè)重要分支，涉及很多學(xué)科，如信號(hào)處理、計(jì)算機(jī)科學(xué)、語(yǔ)言學(xué)、聲學(xué)、生理學(xué)、心理學(xué)等。，而且是在人機(jī)自然交互技術(shù)。

語(yǔ)音識(shí)別技術(shù)讓手持電腦的用戶不必關(guān)注屏幕。在IT行業(yè)倡導(dǎo)開放系統(tǒng)和互操作的大潮中，語(yǔ)音synthesis/識(shí)別的功能已經(jīng)很容易地集成到許多現(xiàn)有的供應(yīng)鏈應(yīng)用中，包括倉(cāng)庫(kù)管理、揀貨和倉(cāng)儲(chǔ)、庫(kù)存、檢驗(yàn)、質(zhì)量監(jiān)控等，，主要是終端模擬(TE)。根據(jù)對(duì)大眾配送中心的調(diào)查，使用條形碼數(shù)據(jù)輸入法的準(zhǔn)確率比傳統(tǒng)的語(yǔ)音-3高4%/(前者為9%，后者為95%)，但使用條形碼處理需要多26名全職工人。