자동 음성 인식(ASR)은 1952년 벨 연구소에서 "오드리" 시스템 개발을 통해 처음 제안되었습니다. 기초적인 연구 결과는 미국 음향학회 회보에 발표되었습니다. 음성 숫자 자동 인식.

1975년, 카네기멜론대학교(CMU)의 학자인 제임스 K. 베이커는 박사 학위 논문을 발표했습니다. 자동 음성 인식 수단으로서의 확률 모델링이는 은닉 마르코프 모델(HMM)이 처음으로 도입된 사례로, 대규모 어휘 연속 음성 인식을 위한 확률적 통계 패러다임의 토대를 마련했습니다.

2012년 11월, 토론토 대학교, 마이크로소프트, 구글, IBM의 연구원들이 공동으로 획기적인 논문을 발표했습니다. 음성 인식에서의 음향 모델링을 위한 심층 신경망이 논문은 심층 신경망(DNN)을 기반으로 하는 현대 자동 음성 인식(ASR) 기술 패러다임을 공식적으로 정립했으며, IEEE 신호 처리 잡지에 게재되었습니다.

이 기술은 인간의 음성을 문자로 변환하는 프레임워크로, 기계가 자연스러운 인간 대화에서 음향 신호를 해석하지 못해 발생하는 "상호작용 격차" 문제를 해결하는 것을 목표로 합니다. 이 시스템은 인간의 음성이 포함된 오디오 신호를 처리하며, 음향 모델, 언어 모델, 심층 신경망을 종합적으로 활용하여 오디오 입력에서 음소, 단어, 문장을 정확하게 식별하고 이를 표준화된 텍스트 형식으로 변환합니다. 연구 결과에 따르면, 기존의 은닉 마르코프 모델(HMM) 확률 모델링에서 최신 심층 신경망(DNN-HMM) 및 엔드투엔드 아키텍처로의 발전은 초기 템플릿 매칭 및 가우시안 혼합 모델(GMM)의 성능 병목 현상을 효과적으로 극복하여 복잡한 억양과 환경 소음을 해석하는 시스템의 능력을 크게 향상시킵니다. 음성 비서, 음성 인식 서비스, 음성 제어 시스템, 청각 장애인을 위한 접근성 지원 등의 시나리오에서 기계는 매우 정확하고 효율적인 음성-텍스트 변환을 구현할 수 있습니다.