首頁>>>技術(shù)>>>語音應(yīng)用>>>語音識別(ASR)　　語音識別產(chǎn)品

顏永紅：“搜索”語音識別技術(shù)的未來

2010/05/28

　　顏永紅:中科院聲學(xué)所中科信利語音識別實(shí)驗(yàn)室主任。

　　1990年畢業(yè)于清華大學(xué)，1995年獲得美國俄勒岡研究院博士學(xué)位，后在該校任教，曾擔(dān)任OGI口語研究中心的副主任、英特爾微處理器實(shí)驗(yàn)室的主任工程師和人機(jī)界面總框架師，英特爾中國研究中心的主任和首席研究員,英特爾全球人機(jī)界面學(xué)術(shù)委員會主席。

　　2002年入選中科院百人計(jì)劃，任聲學(xué)所研究員、博士生導(dǎo)師，中科信利語音實(shí)驗(yàn)室主任和所長助理。長期從事人機(jī)界面研究工作，目前從事的研究領(lǐng)域：大詞表非特定人連續(xù)語音識別，多�？谡Z系統(tǒng)，嵌入式系統(tǒng)，多媒體數(shù)據(jù)檢索，系統(tǒng)自適應(yīng)和快速搜索算法。

　　10年前，他曾是英特爾微處理器實(shí)驗(yàn)室的主任工程師和人機(jī)界面總框架師，英特爾中國研究中心的主任和首席研究員。

　　如今，他一手創(chuàng)辦的中科院聲學(xué)所中科信利語音識別實(shí)驗(yàn)室已發(fā)展成為國內(nèi)語言聲學(xué)領(lǐng)域規(guī)模最大、學(xué)科最全的實(shí)驗(yàn)室，與實(shí)驗(yàn)室同時(shí)成立的中科信利技術(shù)有限公司也取得了長足的發(fā)展。

　　兩個(gè)“孩子”的長大讓他倍感欣慰。而同時(shí)，他錯(cuò)過了兩個(gè)寶貝女兒的成長，這是他最遺憾的。

　　“沒有什么后悔的，時(shí)間無法倒流，只能往前看。”中科院聲學(xué)所中科信利語音識別實(shí)驗(yàn)室主任顏永紅說。

　　一項(xiàng)技術(shù)，牽制搜索引擎

　　“在不久的將來，互聯(lián)網(wǎng)將成為一個(gè)浩大的音視頻檔案庫，對下一代搜索引擎來說，語音識別技術(shù)是關(guān)鍵。”顏永紅說。

　　在浩繁的音視頻數(shù)據(jù)庫中，要查找出所需的音視頻片斷，已經(jīng)成為困擾互聯(lián)網(wǎng)搜索的難題——目前的技術(shù)主要是搜索音視頻的關(guān)鍵詞，比如音視頻的名字或作者，并沒有辦法搜索音視頻內(nèi)容。而通過語音識別技術(shù)，可以把多媒體文件變成可識別的計(jì)算機(jī)語言，從而有效快速的實(shí)現(xiàn)準(zhǔn)確搜索。

　　事實(shí)上，語音識別技術(shù)也是各大公司競爭的一大焦點(diǎn)。

　　去年11月份，谷歌推出的語音搜索引起極大關(guān)注。用戶只需在手機(jī)上安裝一個(gè)軟件，然后利用手機(jī)原有的麥克風(fēng)，用普通話對手機(jī)說出需要查詢的內(nèi)容，谷歌中文語音搜索會自動(dòng)返回整合的搜索結(jié)果。

　　“從實(shí)驗(yàn)室成立到現(xiàn)在，我們一直在做這方面的技術(shù)積累，很快，我們和國內(nèi)公司合作的語音搜索將面世。”顏永紅笑著說。

　　目前，中科信利的中文電視廣播新聞節(jié)目識別系統(tǒng)，就已經(jīng)被多家公司采用，并作為其提供給全國各電視臺的數(shù)字媒體管理系統(tǒng)中一個(gè)核心技術(shù)模塊。

　　這個(gè)系統(tǒng)立刻引起本報(bào)記者的強(qiáng)烈興趣——當(dāng)系統(tǒng)“收聽”到一段“新聞聯(lián)播”節(jié)目，自動(dòng)將節(jié)目內(nèi)容生成文字，并且識別準(zhǔn)確率驚人地高。

　　“那是不是我們的采訪錄音直接可以被轉(zhuǎn)化成文字？”記者頓時(shí)興致勃勃。

　　“現(xiàn)在還不行�！鳖佊兰t笑著說，“因?yàn)檎Z音識別包括語言模型和聲學(xué)模型，新聞?wù)Z言可以建立語言模型，但口語卻很難建立語言模型�！�

　　在語音識別實(shí)驗(yàn)室里，視頻精確搜索已不是問題。

　　在一段王楠比賽的視頻中，你只要輸入“側(cè)身搶拉”、“前三板”等關(guān)鍵詞，就可以找到精確到秒的視頻。這就意味著，如果你想找一部電影里的精彩片段，只需記得其中的經(jīng)典臺詞即可搜索。
　　兩塊牌子，連起創(chuàng)新鏈條

　　顏永紅記得，語音實(shí)驗(yàn)室獲得的第一筆項(xiàng)目經(jīng)費(fèi)來自科技部863項(xiàng)目2003年語音識別領(lǐng)域的比賽�！拔覀兊淖R別率是最高的，獲得了20萬元的項(xiàng)目�！�

　　如今，上千萬的課題在這里已不是新聞。他領(lǐng)導(dǎo)的這個(gè)年輕的團(tuán)隊(duì)，已獲得授權(quán)發(fā)明專利22項(xiàng)；軟件著作權(quán)登記36項(xiàng)；有30余項(xiàng)發(fā)明專利正在審查中；在國內(nèi)外各種學(xué)術(shù)會議和刊物上，已經(jīng)發(fā)表了200多篇學(xué)術(shù)文章。

　　中科信利技術(shù)有限公司在業(yè)內(nèi)也小有名氣，人們將他看成顏永紅的“著作”之一。

　　事實(shí)上，8年前，公司的成立僅僅是給科研人員“畫了個(gè)餅”。

　　“科研人員不會成為富翁，但是至少應(yīng)該體面地工作、體面地生活，所以，成立一個(gè)公司，讓大家研發(fā)出來的技術(shù)有一個(gè)走出去的載體，這就是田靜所長和我當(dāng)時(shí)的想法。”顏永紅說。于是，在只有100多萬元啟動(dòng)資金的情況下，中科信利成立。

　　萬事開頭難。“公司前幾年都沒有收入，最困難的時(shí)候甚至瀕臨倒閉了。”說這話時(shí)，顏永紅是微笑的，但笑容背后的艱辛是旁觀者無法體會的，而他也不愿多言。

　　峰回路轉(zhuǎn)，中科信利等到了第一次商機(jī)。其研發(fā)的產(chǎn)品嵌入式語音軟件被應(yīng)用在了手機(jī)上，這就是大家比較熟悉的語音撥號。

　　“有些人的手機(jī)里存了幾百上千個(gè)電話號碼，找起來很麻煩，安裝這一軟件后，只要對著手機(jī)叫出對方名字，即可調(diào)出他的資料。”顏永紅介紹道。

　　這個(gè)嵌入式語音軟件支持語音撥號、命令控制、來電短信提醒、語音讀出短信、連呼數(shù)字撥號等功能。此外，他們還開發(fā)出基于分布式集群架構(gòu)的語音處理平臺TSE。

　　“在此之前，電信級語音識別引擎技術(shù)完全被美國公司壟斷，但現(xiàn)在我們完全有底氣說，我們占據(jù)了大半壁江山�！毖灾链�，顏永紅的語調(diào)高了很多。確實(shí)，在國內(nèi)，真正能夠?qū)⒄Z音識別產(chǎn)品拿出來，放在電信網(wǎng)上規(guī)模使用的，也只有中科信利。

　　語音實(shí)驗(yàn)室承擔(dān)著國家科研任務(wù)，中科信利公司開發(fā)語音技術(shù)產(chǎn)品，這兩個(gè)牌子的作用互為配合，相得益彰。顏永紅介紹說：“實(shí)用技術(shù)的推廣應(yīng)用，不是所有實(shí)驗(yàn)室的人員能夠勝任的事情。在科技創(chuàng)新的整個(gè)鏈條上，我們分為概念產(chǎn)生、原理研究、原理性樣機(jī)研制、產(chǎn)品化、市場推廣，總共為五個(gè)階段。語音實(shí)驗(yàn)室基本承擔(dān)前三段，后兩段則由中科信利技術(shù)有限公司完成�！�

　　“十一五”期間的策略是由公司支持實(shí)驗(yàn)室，而“十二五”期間，需要大力發(fā)展公司。顏永紅說：“下一步我們需要積極探索，怎樣通過發(fā)展公司帶來更多機(jī)會，打破實(shí)驗(yàn)室發(fā)展的瓶頸�！�
共 2 頁：1 2 

《科技日報(bào)》


相關(guān)閱讀:
淺析我國面向移動(dòng)互聯(lián)網(wǎng)的終端產(chǎn)業(yè)發(fā)展 2010-05-26
3G，從行業(yè)應(yīng)用突破 2010-05-24
海外運(yùn)營商移動(dòng)互聯(lián)網(wǎng)發(fā)展方向 2010-05-13
從手機(jī)支付看RFID在物聯(lián)網(wǎng)的切實(shí)應(yīng)用 2010-05-05
開發(fā)者的夢工廠--移動(dòng)應(yīng)用程序 2010-04-26

熱點(diǎn)專題:  移動(dòng)增值
相關(guān)頻道:  增值電信文摘