2、其次，从音频中提取音位信息，并输入给训练好的模型。
3、最后，输出对应的人脸表情即可实现。
DAMO语音识别是基于微软语音识别引擎编写的TTS语音识别程序，将文字转换成声音。DAMO语音识别使用js调用音频播放，可加入音频控制播放样式来识别语言。将音频流实时识别为文字，适用于长句语音输入，视频字幕，会议，演讲字幕同屏等，智能语言处理，对识别中间结果进行智能纠错，快速识别音频流。
语音识别的主要问题：
1、对自然语言的识别和理解。首先必须将连续的讲话分解为词、音素等单位，其次要建立一个理解语义的规则。
2、语音信息量大。语音模式不仅对不同的说话人不同，对同一说话人也是不同的，例如，一个说话人在随意说话和认真说话时的语音信息是不同的。一个人的说话方式随着时间变化。
3、语音的模糊性。说话者在讲话时，不同的词可能听起来是相似的。这在英语和汉语中常见。
4、单个字母或词、字的语音特性受上下文的影响，以致改变了重音、音调、音量和发音速度等。
5、环境噪声和干扰对语音识别有严重影响，致使识别率低。
以上内容参考：百度百科-语音识别
HTML5之语音识别实例代码
<input type="text" x-webkit-speech id="d1" lang="zh-CN" x-webkit-grammar="bUIltin:search" onwebkitspeechchange="foo()"/>
<script>
function foo(){
var n = document.getElementById("d1").value
if(n == "百度"){
window.location.href = "http://www.baidu.com"
}else{
window.location.href = "http://www.ahsdxy.ah.edu.cn/"
}
}
</script>
说明：
1）x-webkit-speech：语音识别支持属性
<input type="text" x-webkit-speech/>
2）lang：设置语言种类，比如汉语:lang="ch-CN"
<input type="text" x-webkit-speech lang="ch-CN"/>
3） x-webkit-grammar ：语音输入语法
比如: x-webkit-grammar="bUIltin:search"使得语音输入的内容尽量靠近搜索内容，去除多余的字符，例如“的、啦”等
<input type="text" x-webkit-speech lang="ch-CN" x-webkit-grammar="bUIltin:search"/>
4） onwebkitspeechchange ：语音输入事件，当语音改变时触发
比如：onwebkitspeechchange="foo()" ，当停止语音时，会触发js中的foo()函数
<input type="text" x-webkit-speech lang="ch-CN" x-webkit-grammar="bUIltin:search"
onwebkitspeechchange="foo()"/>
此时，需要写相应的JavaScript函数foo()
<script>
function foo(){
//函数体，如下：
alert(8)
}
</script>
