语音识别的难点

1.语音激活测验（VAD）：顾名思义，指的就是判断什么时候有语音什么时候没有语音（静音），后续的语音信号处理或是语音识别都是在VAD截取出来的有效语音片段上去进行计算的。
2.2.语音唤醒（VT）：可以理解为喊名字，引起电视这个“听者”的注意。比如苹果的“heySiri”，Google的“OK Google”，创维的“小度”等，VT的目的是告诉电视（或手机），接下来的话是对你讲的哦，认真听好了。

3.回声消除（Echo Cancelling）：在近场语音的环境下，播放音乐或是语音播报的时候可以使用按键进行停止，但远场环境下想要通过语音来进行控制，就必须得实现回声消除，不然，可能会对“电视”识别造成识别重复或者是错误。

4.低信噪比（signal to noise ratio，SNR）和混响（Reverberation）：远场环境下要求拾音麦克风的灵敏度高，这样才能在较远的距离下获得有效的音频振幅，同时近场环境下又不能爆音（振幅超过最大量化精度）。这样的环境下，噪音必然会很大，从而使得语音质量变差，所以，要解决这个问题的技术点，就必须在有效的距离下进行不间断的采集有效振幅以及混响状态，达到一个稳定值并最终得到解决

深度学习降噪模型针，高噪音，

5.鸡尾酒会问题（cocktail-party problem）：这个问题很有意思，说的就是这是指有多个说话人情况下的语音识别问题，比如鸡尾酒会上很多人讲话。如果你要听清一个人讲话那么像手势、口型、表情以及聊天话题这些干扰因素，就都会对你造成影响，这种环境下的语音识别是相当有挑战的。
声纹检测与跟踪，端点检测

7.方言，口音，情绪语音

6.6.关于语音识别的未来：简单来说，便是以后我们是否会实现《钢铁侠》中的智能助手贾维斯这样的故事情节，并且除了语音之外，显示屏和手势控制也是非常高效的交互手段。而对于语音助手，除家庭助手之外，就像电影《Her》中想象的一样，将来可能会成为真正的助手，与你真正形影不离。

语音识别（ASR）、声纹识别（VPR）、自然语言处理（NLP）、语音合成（TTS）、语音去噪