自動語音識別(ASR)在呼叫中心系統中的應用
自動語音識別(AutomaticSpeechRecognition簡稱"ASR")技術的目標是讓計算機能夠聽寫出不同人所說出的連續語音，也就是俗稱的語音聽寫機，是實現聲音到文字轉換的技術。 自動語音識別(ASR)在呼叫中心系統中的應用，自動語音識別通常有以下幾種分類方法：
(1)按系統的用戶情況分：特定人和非特定人識別系統；
(2)按系統詞匯量分：小詞匯量、中詞匯量和大詞匯量系統；
(3)按語音的輸入方式分：孤立詞、連接詞、連續語音系統等；
(4)按輸入語音的發音方式分：朗讀式、口語（自然發音）式；
(5)按輸入語音的方言背景情況分：普通話、方言背景普通話、方言語音識別系統；
(6)按輸入語音的情感狀態分；中性語音、情感語音識別系統。語音識別技術適用于家用電器和電子設備，比如電視、計算機、汽車、音響、冷氣等的聲控遙控器，電話、手機或PDA上的聲控人名撥號、數字錄音機的聲控語音檢索標簽、兒童玩具的聲控等；也可用于個人、呼叫中心，以及電信級應用的信息查詢與服務等領域。
語音識別系統選擇識別基元的要求是，有準確的定義，能得到足夠數據進行訓練，具有一般性。自動語音識別(ASR)在呼叫中心系統中的應用，英語通常采用上下文相關的音素建模，漢語的協同發音不如英語嚴重，可
以采用音節建模。系統所需的訓練數據大小與模型復雜度有關。模型設計得過于復雜以至于超出了所提供的訓練數據的能力，會使得性能急劇下降。 聽寫機：大詞匯量、非特定人、連續語音識別系統通常稱為聽寫機。其架構就是建立在前述聲學模型和語言模型基礎上的HMM拓撲結構。訓練時對每個基元用前向后向算法獲得模型參數，識別時，將基元串接成詞，詞間加上靜音模型并引入語言模型作為詞間轉移概率，形成循環結構，用Viterbi算法進行解碼。針對漢語易于分割的特點，先進行分割再對每一段進行解碼，是用以提高效率的一個簡化方法。 自動語音識別(ASR)在呼叫中心系統中的應用對話系統：用于實現人機口語對話的系統稱為對話系統。受目前技術所限，對話系統往往是面向一個狹窄領域、詞匯量有限的系統，其題材有旅游查詢、訂票、數據庫檢索等等。其前端是一個語音識別器，識別產生的N-best候選或詞候選網格，由語法分析器進行分析獲取語義信息，再由對話管理器確定應答信息，由語音合成器輸出。由于目前的系統往往詞匯量有限，也可以用提取關鍵詞的方法來獲取語義信息。