人機(jī)交互技術(shù)報(bào)告

1、 西南交通大學(xué)人機(jī)交互技術(shù)報(bào)告課 程 人機(jī)交互技術(shù) 學(xué) 院 信息科學(xué)與技術(shù)學(xué)院 專 業(yè) 軟件工程 姓 名 學(xué) 號(hào) 20119050 日 期 2016年月日 摘要隨著數(shù)字化及智能化的普及，在日常生活及工作中，我們隨處可以見到一些語(yǔ)音與聽覺系統(tǒng)的應(yīng)用，像公交車的語(yǔ)音報(bào)站系統(tǒng)、語(yǔ)音郵件系統(tǒng)、手機(jī)的語(yǔ)音命令撥打電話等等，都是這樣的應(yīng)用。那么，本文就現(xiàn)階段的一些語(yǔ)音與音頻技術(shù)，包括離散詞語(yǔ)識(shí)別、連續(xù)語(yǔ)音識(shí)別、語(yǔ)音信息系統(tǒng)、語(yǔ)音生成、非語(yǔ)音聽覺交互五種，針對(duì)每一類技術(shù)各自的應(yīng)用領(lǐng)域、優(yōu)缺點(diǎn)及其發(fā)展趨勢(shì)進(jìn)行了詳細(xì)地探討、分析。最后，整體總結(jié)分析了語(yǔ)音與聽覺界面當(dāng)前的發(fā)展及其未來(lái)發(fā)展趨勢(shì)。關(guān)鍵詞：語(yǔ)音與聽覺界

2、面；離散詞語(yǔ)識(shí)別；連續(xù)語(yǔ)音識(shí)別；語(yǔ)音信息系統(tǒng)；語(yǔ)音生成；非語(yǔ)音聽覺界面1. 引言對(duì)計(jì)算機(jī)講話和讓計(jì)算機(jī)說話的夢(mèng)想已經(jīng)誘惑了很多研究人員及幻想家。1968年，Arthur C. Clarke 在2011：星際漫游的書和電影中對(duì)HAL 9000 計(jì)算機(jī)的幻想，已經(jīng)為科幻小說中計(jì)算機(jī)的性能和一些高級(jí)開發(fā)人員設(shè)定了標(biāo)準(zhǔn)。雖然硬件設(shè)計(jì)人員已經(jīng)在語(yǔ)音識(shí)別、生成和處理方面取得了引人注目的進(jìn)步，但是與科學(xué)小說的幻想相比，當(dāng)前的成功仍是令人清醒的。那么在現(xiàn)階段，語(yǔ)音與聽覺交互到底有著怎么樣的發(fā)展呢？在哪些領(lǐng)域進(jìn)行的了應(yīng)用呢？應(yīng)用的效果怎么樣呢？?jī)?yōu)勢(shì)與劣勢(shì)各是什么呢？針對(duì)上述這些問題，語(yǔ)音與聽覺交互的發(fā)展趨勢(shì)又會(huì)

3、是怎樣呢 ？這些都是本文將要討論的問題。2. 語(yǔ)音與聽覺界面通俗易懂的講，語(yǔ)音交互是要實(shí)現(xiàn)對(duì)計(jì)算機(jī)講話和讓計(jì)算機(jī)講話。目前語(yǔ)音交互取得了很多進(jìn)展，但是仍然存在著很多不能忽視的問題。總的來(lái)講，語(yǔ)音交互的實(shí)際應(yīng)用只有在他們適合用戶的工作速度快，認(rèn)知負(fù)載底，出錯(cuò)率低的需要時(shí)才會(huì)成功。從這些需求來(lái)看，語(yǔ)音交互似乎都不能很好地滿足用戶的需要，原因是：首先，語(yǔ)音輸出是相對(duì)緩慢的；其次，與手眼協(xié)調(diào)相比，語(yǔ)音命令對(duì)用戶工作記憶的要求更高，對(duì)正在執(zhí)行任務(wù)的用戶影響更大，比如計(jì)劃和問題求解便是這樣的；最后，背景噪聲和用戶語(yǔ)音的變體對(duì)語(yǔ)音識(shí)別的挑戰(zhàn)仍舊很大，使得語(yǔ)音的識(shí)別的出錯(cuò)率還是占有一定的比重。盡管語(yǔ)音交互存在

4、著這么多不能忽視的，不盡如人意的問題，語(yǔ)音交互仍有以下一些方面的優(yōu)點(diǎn)：語(yǔ)音存儲(chǔ)轉(zhuǎn)發(fā)和語(yǔ)音生成可預(yù)測(cè)、低成本、廣泛可用。對(duì)于有身體缺陷者，語(yǔ)音有明顯好處。電話會(huì)話的及時(shí)性和情感影響是人與人之間交流中引人矚目的組成成分。語(yǔ)音和音頻技術(shù)有五種：離散詞語(yǔ)識(shí)別、連續(xù)語(yǔ)音識(shí)別、語(yǔ)音信息系統(tǒng)、語(yǔ)音生成、非語(yǔ)音聽覺交互。接下來(lái)，就從這五個(gè)具體方面，解析語(yǔ)音交互的優(yōu)點(diǎn)與缺點(diǎn)，及可能的發(fā)展趨勢(shì)。2.1離散詞語(yǔ)識(shí)別離散詞語(yǔ)識(shí)別設(shè)備識(shí)別特定人所說的單個(gè)詞，對(duì)于10010000 個(gè)詞或更大的詞匯量，其工作的可靠性能夠達(dá)到90%98%。目前，離散詞語(yǔ)識(shí)別設(shè)備的使用分兩種方式，一種是由使用者通過特定方式對(duì)系統(tǒng)進(jìn)行詞匯學(xué)習(xí)訓(xùn)

5、練，另外一種則不進(jìn)行，因?yàn)楦菀淄茝V。因?yàn)榧夹g(shù)的限制，語(yǔ)音識(shí)別設(shè)備的固有缺點(diǎn)，使得語(yǔ)音的識(shí)別率并不是很高，可以通過下列方式提高識(shí)別率：安靜的環(huán)境、頭戴式話筒、精心選擇的詞匯。離散詞語(yǔ)識(shí)別技術(shù)的缺點(diǎn)是顯而易見的，這種技術(shù)面臨著如下的問題：因?yàn)樗牟豢煽康淖R(shí)別，許多用戶不愿使用。語(yǔ)言識(shí)別設(shè)備的識(shí)別率低可能是由以下原因引起的：背景聲音的改變、用戶生病或者處于壓力之下，詞匯表中的單詞相似。其優(yōu)點(diǎn)則是，通過語(yǔ)音識(shí)別設(shè)備，使用者就可以把眼睛與手等本來(lái)要用于關(guān)注指令的器官解放出來(lái)。當(dāng)然這個(gè)優(yōu)點(diǎn)是有局限性地，因?yàn)檎Z(yǔ)音設(shè)備的使用，必然會(huì)占用用戶的更多的工作記憶。所以并不能適應(yīng)用戶過多使用工作記憶的場(chǎng)合。從上面對(duì)

6、語(yǔ)音交互設(shè)備優(yōu)點(diǎn)的闡述，可以知道，在一些特定的領(lǐng)域，語(yǔ)音識(shí)別仍有著較好的應(yīng)用，比如飛機(jī)發(fā)送機(jī)機(jī)檢察員就是用著語(yǔ)音系統(tǒng)。他們一邊檢查設(shè)備，一邊通過頭戴無(wú)線話筒發(fā)指令。同樣地，離散詞語(yǔ)識(shí)別設(shè)備針在身體有殘疾者已經(jīng)有著較好的應(yīng)用。相反地，如果是在普通的計(jì)算機(jī)應(yīng)用系統(tǒng)上,使用顯示器的用戶就會(huì)明顯勝于使用語(yǔ)音系統(tǒng)的。因?yàn)槭褂霉鈽?biāo)來(lái)檢索或者操作比使用語(yǔ)音不論是從識(shí)別率還是效率上都要高效。用戶的手腳與眼睛并不需要那么忙碌，而通過語(yǔ)音設(shè)備解放出來(lái)。盡管從繪圖程序?qū)φ{(diào)色版的選取上來(lái)看，語(yǔ)音系統(tǒng)快過光標(biāo)系統(tǒng)。問題是，語(yǔ)音系統(tǒng)占用用戶的更多記憶。對(duì)于需要短時(shí)記憶工作的場(chǎng)景不合適。因而對(duì)于語(yǔ)音系統(tǒng)，最重要的一點(diǎn)不足就

7、是說命令或者聽對(duì)計(jì)劃和問題求解的破壞更大，會(huì)占用用戶的工作記憶，在一些很需要工作記憶的地方就會(huì)暴漏出語(yǔ)音識(shí)別設(shè)備的不足。而在一些不太需要工作記憶的場(chǎng)合，比如玩具使用者的身上，語(yǔ)音設(shè)別就可以成功應(yīng)用。由于語(yǔ)音會(huì)占用用戶的工作記憶這一點(diǎn)并不是容易解決的問題，當(dāng)前研究項(xiàng)目就會(huì)專注于提高在困難條件下的識(shí)別率，使得語(yǔ)音識(shí)別系統(tǒng)在那些可以使用的場(chǎng)合下可以更高效地使用。這些研究包括盡量消除對(duì)與講話者有關(guān)訓(xùn)練的需要，并把處理的詞匯增加到1萬(wàn)個(gè)以上。基于移動(dòng)設(shè)備的、基于語(yǔ)音的文本輸入也在改進(jìn)。這些困難條件就會(huì)包括，語(yǔ)音文本輸入效率低、方言噪聲干擾影響語(yǔ)音識(shí)別等?？偨Y(jié)上述對(duì)離散語(yǔ)言設(shè)備的論述可以知道，離散語(yǔ)音設(shè)備

8、可以將人的本來(lái)用于控制命令的器官解放出來(lái)，使得工作更高效，但卻有著出錯(cuò)率高、占用用戶工作記憶等缺點(diǎn)。所以離散語(yǔ)音系統(tǒng)在專門的應(yīng)用系統(tǒng)中工作良好，但語(yǔ)音識(shí)別系統(tǒng)并沒有起到通用交互式媒介的作用，因?yàn)橹苯硬僮髟O(shè)備速度較快，能使動(dòng)作或命令可見而容易編輯。既然離散語(yǔ)音識(shí)別系統(tǒng)存在著上述的這些問題與優(yōu)勢(shì)，那么將語(yǔ)音與直接操縱結(jié)合起來(lái)將是有用的。2.2連續(xù)語(yǔ)音識(shí)別連續(xù)語(yǔ)音識(shí)別主要是用于語(yǔ)音聽寫。語(yǔ)音聽寫是可以做到得到，缺點(diǎn)是有著較高的出錯(cuò)率。從用戶角度說，與寫作相比，聽寫干擾計(jì)劃和句子構(gòu)造造成的認(rèn)知負(fù)擔(dān)通常會(huì)降低文檔質(zhì)量。從語(yǔ)音識(shí)別角度說識(shí)別口語(yǔ)單詞之間的界限比較困難。為了解決困難：通常會(huì)讓用戶朗讀標(biāo)準(zhǔn)文字

9、段來(lái)進(jìn)行訓(xùn)練。連續(xù)語(yǔ)音識(shí)別系統(tǒng)使用戶能夠口述寫信和口頭撰寫報(bào)告。在準(zhǔn)備標(biāo)準(zhǔn)報(bào)告方面，語(yǔ)音輸入似乎做得最好；而在創(chuàng)造性寫作有思想性地文章，因?yàn)樾枰霉ぷ饔洃洠I盤輸入最好。連續(xù)語(yǔ)音識(shí)別使得電視節(jié)目、訴訟節(jié)目、演講等的自動(dòng)瀏覽和檢索特定單詞或者主題成為可能。連續(xù)語(yǔ)音識(shí)別的另外一個(gè)應(yīng)用就是身份識(shí)別?？偟膩?lái)說，需要抓住連續(xù)語(yǔ)音識(shí)別的高出錯(cuò)率這個(gè)特點(diǎn)，還有連續(xù)語(yǔ)音識(shí)別快捷這個(gè)優(yōu)點(diǎn)進(jìn)行綜合分析。那么可以得到的結(jié)論是，連續(xù)語(yǔ)音識(shí)別在一些實(shí)時(shí)準(zhǔn)確性要求不高的，但又在一些比較花時(shí)間的且有時(shí)間進(jìn)行錯(cuò)誤修改的場(chǎng)合或者一些不需要識(shí)別太多語(yǔ)句的場(chǎng)合是有用武之地的。至于在一些比較影響口述者思維的情況下，連續(xù)語(yǔ)音識(shí)別還要通

10、過技術(shù)的繼續(xù)進(jìn)步才能做到。盡管連續(xù)語(yǔ)音識(shí)別到今天取得了很多重要的進(jìn)步，不過在普通環(huán)境下進(jìn)行舒服自然的交流至今還做不到。2.3語(yǔ)音信息系統(tǒng)人的聲音作為信息源和作為通信基礎(chǔ)的吸引力是強(qiáng)烈的。存儲(chǔ)的語(yǔ)音通常用于提供關(guān)于旅游勝地和政府服務(wù)的、組織辦公時(shí)間等基于電話的消息。這些語(yǔ)音信息系統(tǒng)通常稱為交互式語(yǔ)音設(shè)備，如果能夠使用恰當(dāng)?shù)拈_發(fā)方法和度量標(biāo)準(zhǔn)，就能以低成本提供良好的客戶服務(wù)。語(yǔ)音信息系統(tǒng)的弊端仍然在于語(yǔ)音輸出速度緩慢、語(yǔ)音的短暫性及瀏覽/檢索的困難。但如果能巧妙地規(guī)避這些問題就可以充分利用它廉價(jià)的優(yōu)點(diǎn)，進(jìn)行推廣。語(yǔ)音信息系統(tǒng)主要有以下一些方面的應(yīng)用：（1）語(yǔ)音信息技術(shù)在個(gè)人語(yǔ)音郵件系統(tǒng)中非常流行，

11、基于電話的語(yǔ)音系統(tǒng)能夠使用通過小鍵盤輸入的用戶命令來(lái)存儲(chǔ)和轉(zhuǎn)發(fā)口信，用戶能夠接收消息、重放消息、回復(fù)呼叫、向其他用戶轉(zhuǎn)發(fā)消息、刪除消息、把消息存檔等。從這一點(diǎn)上看來(lái)，語(yǔ)音郵件技術(shù)工作可靠、相當(dāng)?shù)土?。?）語(yǔ)音信息技術(shù)的另一應(yīng)用，便是錄音機(jī)向數(shù)字化方法的邁進(jìn)以及小型手持式語(yǔ)音設(shè)備的應(yīng)用。（3）作為語(yǔ)音信息技術(shù)的另一方面體現(xiàn)，博物館的語(yǔ)音導(dǎo)覽和有聲讀物已經(jīng)獲得了成功，允許用戶控制節(jié)奏，傳達(dá)館長(zhǎng)的熱情和作者的感情。視覺觸覺聽覺三者結(jié)合則可促進(jìn)學(xué)習(xí)。對(duì)于語(yǔ)音信息系統(tǒng)，其優(yōu)點(diǎn)在于語(yǔ)音輸出是使用人的聲音作為源聲音，是很具有吸引力的。而缺點(diǎn)仍是在進(jìn)行語(yǔ)音識(shí)別時(shí)的識(shí)別困難。針對(duì)語(yǔ)音識(shí)別困難，最簡(jiǎn)單的解決辦法是

12、規(guī)定用戶使用陳述所選數(shù)字或者所選選擇項(xiàng)單詞的方式，來(lái)簡(jiǎn)化語(yǔ)音識(shí)別。而要使用直接識(shí)別自然語(yǔ)言，仍然需要進(jìn)一步研究。2.4語(yǔ)音生成語(yǔ)音生成廣泛應(yīng)用于消費(fèi)產(chǎn)品和電話應(yīng)用系統(tǒng)，它是使用數(shù)字化語(yǔ)音段的廉價(jià)、簡(jiǎn)潔、可靠的系統(tǒng)，已經(jīng)用于汽車導(dǎo)航系統(tǒng)、互聯(lián)網(wǎng)服務(wù)和公共設(shè)施控制室等系統(tǒng)中。語(yǔ)音生成的弊端在于，在有些環(huán)境下是不合適的，因?yàn)橛行〇|西不適合以語(yǔ)音的形式表現(xiàn)出來(lái)。語(yǔ)音生成的一個(gè)優(yōu)點(diǎn)就是，這種機(jī)器合成聲，容易引起注意。盲人的應(yīng)用系統(tǒng)就是語(yǔ)音生成的一個(gè)重要的成功案例?；赪eb的語(yǔ)音應(yīng)用系統(tǒng)是有前途的。例如：手機(jī)用戶能夠通過視覺顯示和語(yǔ)音生成輸出的組合來(lái)訪問Web信息?；陔娫挼恼Z(yǔ)音信息系統(tǒng)可能把數(shù)字化的語(yǔ)

13、音段和語(yǔ)音生成混合在一起，以允許提供適當(dāng)?shù)那檎{(diào)和當(dāng)前信息呈現(xiàn)。電話的普遍性使得這些服務(wù)有吸引力。語(yǔ)音合成在技術(shù)上是可行的，在應(yīng)用上還有很到的擴(kuò)展空間。對(duì)于設(shè)計(jì)人員來(lái)說，需要做的是找到該技術(shù)優(yōu)于預(yù)錄和數(shù)字化的人類語(yǔ)音消息的情形。在我來(lái)看，語(yǔ)音合成與預(yù)錄和數(shù)字化語(yǔ)音比較起來(lái)，優(yōu)點(diǎn)大致有一下幾種：廉價(jià)；特有的機(jī)器合成音在很多場(chǎng)合更可以引人注意。語(yǔ)音合成的發(fā)展趨勢(shì)應(yīng)該是作為顯示的補(bǔ)充或者是嵌入到小型消費(fèi)產(chǎn)品中，使得產(chǎn)品更加靈活有吸引力。2.5非語(yǔ)音聽覺界面除語(yǔ)音之外，聽覺輸出包括個(gè)人的音調(diào)和通過聲音和音樂的組合來(lái)表示的更復(fù)雜的信息。音樂設(shè)計(jì)對(duì)于非語(yǔ)音聽覺界面的開發(fā)有著重要的作用，特別是移動(dòng)和嵌入式設(shè)備

14、的開發(fā)。有用的區(qū)別是在成為聲標(biāo)的熟悉聲音與成為耳標(biāo)的、其含義必須加以學(xué)習(xí)創(chuàng)造出來(lái)的抽象聲音之間。聽標(biāo)、耳標(biāo)和可聽化技術(shù)是聽覺顯示研究的三個(gè)重要研究?jī)?nèi)容2。有研究者對(duì)聽覺界面中耳標(biāo)與聽標(biāo)的效率和可用性進(jìn)行了比較研究，結(jié)果發(fā)現(xiàn)耳標(biāo)與聽標(biāo)均為聽覺用戶界面設(shè)計(jì)中的有效信息表征方式，但其適用場(chǎng)合有所不同2?，F(xiàn)在，已經(jīng)發(fā)展了多種聽覺界面的概念。提供關(guān)于用戶動(dòng)作反饋的滾動(dòng)條，提供聽覺信息的地圖或圖表和呈現(xiàn)統(tǒng)計(jì)信息的表格數(shù)據(jù)或地圖的可聽話。針對(duì)盲人用戶或電話用途的聽覺Web瀏覽器已經(jīng)開發(fā)出來(lái)，用戶能夠聽文本和連接標(biāo)簽然后通過按鍵輸入做出選擇。而這里的這些聲音就屬于非語(yǔ)言聽覺界面。在非語(yǔ)言聽覺界面方面，科學(xué)家們

15、還有著更大膽的設(shè)想，將數(shù)據(jù)以一系列立體的或三維的聲音形式顯示而不是以圖像的形式呈現(xiàn)。在非語(yǔ)言聽覺界面方面的另一想法是，把傳統(tǒng)的音樂添加到用戶界面設(shè)計(jì)中，這樣使得用戶能夠更自然的聽懂這些聲音的含義。非語(yǔ)言聽覺界面的一個(gè)新的應(yīng)用是，在創(chuàng)造新的音樂設(shè)備，在這方面潛力似乎特別有吸引力，結(jié)合觸覺敏銳設(shè)備有可能給予音樂家類似樂器的體驗(yàn)發(fā)明新樂器。現(xiàn)在更快的硬件和創(chuàng)新的用戶界面正在促進(jìn)更新的虛擬音樂設(shè)備的產(chǎn)生。關(guān)于非語(yǔ)音聽覺界面，我個(gè)人的想法是，這個(gè)技術(shù)應(yīng)該主要應(yīng)用于界面設(shè)計(jì)中，用來(lái)使得交互形象化，通過一些聲標(biāo)與耳標(biāo)使得用戶能夠更加方便輕松地進(jìn)行交互。但是聽覺界面的使用要注意的是度，適當(dāng)?shù)穆犛X交互可以使得交

16、互變得活躍起來(lái)，太多的交互就會(huì)在一定場(chǎng)景下就會(huì)變成噪音與累贅，影響交互效果。通過查找關(guān)于非語(yǔ)言聽覺方面的資料以及課堂上的學(xué)習(xí)，了解到了聽覺界面的如下一些優(yōu)點(diǎn)：人對(duì)聲音信號(hào)隨時(shí)間的變化特別敏感，即時(shí)間解析度；聲音具有全向特性；聽覺是視覺缺陷者獲得信息的主要通道之一；聲音信號(hào)與其他信號(hào)共同使用回答道更自然和搞笑的人機(jī)交互效果；聲音信號(hào)有可能表示多維數(shù)據(jù)流；聲音信號(hào)的反應(yīng)時(shí)間和處理時(shí)間快于視覺；聽覺界面可以解決視覺界面中的誤操作。所以說聽覺在界面設(shè)計(jì)上的應(yīng)用將會(huì)越用越靈活。就我個(gè)人而言，非語(yǔ)言聽覺界面后期的發(fā)展應(yīng)該更加注意的是聽覺應(yīng)用場(chǎng)景與度的把握，以及通過對(duì)用戶的心理研究，研究出更適合的非語(yǔ)音聽覺

17、交互界面。3. 總結(jié)通過分以上對(duì)語(yǔ)音與聽覺界面的分析可以得出以下一些結(jié)論。在現(xiàn)階段，語(yǔ)音交互總體來(lái)說，從輸出的方面，有著輸出緩慢、語(yǔ)音短暫、瀏覽/搜索困難的障礙，識(shí)別方面，有著增加認(rèn)知負(fù)荷、噪音干擾、不穩(wěn)定識(shí)別的障礙。但其優(yōu)勢(shì)也是明顯的，主要集中在這樣一些時(shí)機(jī)：到用戶有視覺障礙時(shí)、當(dāng)說話者手忙的時(shí)候、當(dāng)需要移動(dòng)性時(shí)、當(dāng)說話者眼睛被占用時(shí)、當(dāng)惡劣的或狹窄的條件妨礙使用鍵盤時(shí)。只要能把握好語(yǔ)音交互的上述特點(diǎn)，便可以更好地進(jìn)行應(yīng)用。語(yǔ)音交互的應(yīng)用主要集中在一些特定領(lǐng)域，比如軍用、醫(yī)療等一些嵌入式計(jì)算機(jī)領(lǐng)域或者針對(duì)一些殘障用戶群體。另外就是一些娛樂領(lǐng)域。在這些領(lǐng)域的應(yīng)用已經(jīng)相對(duì)成熟起來(lái)。以后語(yǔ)音交互的

18、發(fā)展應(yīng)該重點(diǎn)偏向一些特定的領(lǐng)域，這樣才能使得語(yǔ)音識(shí)別變得更高效。正如黃學(xué)東在其無(wú)處不在的語(yǔ)音用戶界面（VOICE UI）中所說,“我們認(rèn)為下一個(gè)推動(dòng)計(jì)算機(jī)新時(shí)代到來(lái)的最關(guān)鍵的技術(shù)之一，應(yīng)該是語(yǔ)音和通用的用戶界面技術(shù)，這一技術(shù)可以使用戶在任何地方、任何時(shí)候都能夠獲得信息，控制計(jì)算機(jī)?！?，語(yǔ)音用戶界面的優(yōu)勢(shì)便是操作簡(jiǎn)潔性，因?yàn)殒I盤鼠標(biāo)這些設(shè)備并不是在任何場(chǎng)景下都可以使用的。所以印證了語(yǔ)音界面在嵌入式領(lǐng)域可以大有作為這樣一個(gè)觀點(diǎn)。就我個(gè)人的觀點(diǎn)并結(jié)合文章所述，語(yǔ)音交互的兩個(gè)重要問題，一是識(shí)別率低，二是占用用戶工作記憶。我覺得可以通過下列的思路來(lái)考慮：（1）在這些特定領(lǐng)域可以使用一些技巧來(lái)增加識(shí)別率降低錯(cuò)誤率，比如通過自我學(xué)習(xí)與積累在一個(gè)領(lǐng)域中可能使用到的語(yǔ)法庫(kù)、詞語(yǔ)庫(kù)、句子庫(kù)的方法，使得語(yǔ)音的識(shí)別變得專項(xiàng)起來(lái)，那么在這個(gè)領(lǐng)域的語(yǔ)音識(shí)別率就會(huì)大大提高。（2）除了語(yǔ)音的識(shí)別率低，另外語(yǔ)音的使用會(huì)占用用戶的工作記憶的問題，就如前面所說，可以通過手動(dòng)操作與語(yǔ)音操作結(jié)合起來(lái)的辦法來(lái)克服，通過