随着信息技术的发展，特别是移动互联网的普及，智能的人机交互方式成为现代生活的 重要组成部分。 语音是人类最自然的交互方式，让电脑、手机、玩具等各种设备和人直接 对话，已经从科幻走向现实。

然而，当前的语音识别技术还受到如噪音、口音等多种条件的限制。为实现机器能听会 说的梦想，需要在结构和功能上模仿人脑神经系统结构。课题组从 2012 年开始从事基于仿 人脑的深度神经网络大规模连续语音识别技术研究，在国家自然科学基金、清华国家实验室 面上基金等项目资助下，掌握了国内外最先进的大规模连续语音识别技术，创新性研究了稀 疏深度神经网络训练、深度神经网络噪声训练等快速性鲁棒性算法，并研发出基于噪声声学 模型的嵌入式大规模离线语音识别系统，开发出首个高性能维语语音识别系统，弥补了国内 在这一技术上的空白。该技术特点如下：

通过仿人脑结构的 DNN 网络来模拟人脑学习知识的过程；

通过稀疏化训练方法减少声学模型训练时间；

通过噪声训练提高声学模型的抗噪能力；

通过嵌入式语法提高对未知新词的识别能力。

上述优点表明该技术既可以在安静的实验环境中大规模运用，也可以在嘈杂的现实环境 中大规模运用。大规模测试表明，该技术在中等噪音环境下对日常口语会话的识别率可达 95%以上。