参考自：《景联文科技：一文看懂语音识别ASR过程》
什么是自然语言处理（NLP）？
.
.
.
.
ASR是指自动语音识别技术，是一种将人的语音转换为文本的技术。其目标就是将人类的语言中的词汇内容转换为计算机可读的输入。
.
.
建立声学模型
.
第一步是建立声学模型。声学模型的主流系统大多采用隐马尔科夫模型进行建模。对于同一个词，由于每个人的发音、语调、语速等都各不相同，为了能让机器识别出更多的人，声学模型建立过程中需要录入大量的原始用户声音，提取出其中的特征进行处理，并建立声学模型数据库。在声学训练步骤当中估算出声学模型的参数；再通过循环训练和对齐相位。在这一步中大数据的重要性就体现出来了。
.
建立语言模型
.
第二步是建立语言模型。语言模型包括由识别语音命令构成的语法网络或者由统计方法构成的语言模型。根据语言的客观事实，进行语言抽象数学建模，这是一种对应关系。语言模型可以很好地调整声学模型所得到的不合逻辑的词，使得识别结果变得通顺且正确，这对于自然语音的信息处理也有着重要的意义。
.
语音识别
.
第三步是进行语音识别。前面两步都是需要预先做好的，最终形成的数据库将存储在设备本地或者云端，而这一步则是实时的语音识别过程。先将用户的语音输入进行编码和特征提取，再将提取到的特征拿到声学模型库中去匹配，得到单个的单词，然后再拿到语言模型库中去查询，就可以得到最匹配的词了。