語(yǔ)音應(yīng)用開(kāi)財(cái)源

盧曉信、段云峰 2001/06/25

　　語(yǔ)音技術(shù)，雖然在國(guó)外出現(xiàn)得很早，但在國(guó)內(nèi)開(kāi)始步入實(shí)用領(lǐng)域，還是最近的事情。這一方面是因?yàn)橛布�處理能力的提高，另一方面也是因�(yàn)闈h語(yǔ)處理在技術(shù)上已經(jīng)有所突破。國(guó)外有資料顯示，語(yǔ)音技術(shù)在未來(lái)的幾年里，將以31%的年增長(zhǎng)率進(jìn)行發(fā)展。

　　語(yǔ)音技術(shù)主要是指基于語(yǔ)音進(jìn)行處理的技術(shù)，主要包括：語(yǔ)音識(shí)別ASR、語(yǔ)音合成TTS等等。

　　語(yǔ)音技術(shù)進(jìn)入商用

　　語(yǔ)音技術(shù)開(kāi)辟了一個(gè)如此巨大的應(yīng)用市場(chǎng)，那么目前的語(yǔ)音技術(shù)發(fā)展到何種程度了呢？

　　技術(shù)成熟進(jìn)入商用

　　在技術(shù)方面，英語(yǔ)的語(yǔ)音技術(shù)比漢語(yǔ)的語(yǔ)音技術(shù)的商用程度更廣，實(shí)用程度更好。國(guó)內(nèi)在漢語(yǔ)的語(yǔ)音技術(shù)方面，語(yǔ)音合成技術(shù)比較成熟，已經(jīng)達(dá)到了商用的標(biāo)準(zhǔn)。而在語(yǔ)音識(shí)別方面，雖然已經(jīng)有一些產(chǎn)品開(kāi)始投入商用，但還有很多的技術(shù)問(wèn)題要解決。

　　廠家眾多

　　由于語(yǔ)音技術(shù)不僅要涉及到軟件算法，而且也要涉及到硬件的實(shí)現(xiàn)技術(shù)問(wèn)題，因此，目前的語(yǔ)音技術(shù)廠家，也分為幾類(lèi)。

　　有的是從傳統(tǒng)的CTI語(yǔ)音板卡廠商的角度，在產(chǎn)品中增加語(yǔ)音處理功能，國(guó)內(nèi)像深圳東進(jìn)技術(shù)、飛環(huán)，國(guó)外NMS、Intel通信產(chǎn)品事業(yè)部的Dialogic板卡；有的完全是語(yǔ)音技術(shù)的科研機(jī)構(gòu)，根據(jù)自己的研究成果，進(jìn)行產(chǎn)品化，例如中國(guó)科技大學(xué)的訊飛公司、清華大學(xué)的人機(jī)交互與媒體集成研究所等。在語(yǔ)音識(shí)別方面，國(guó)外的IBM、飛利浦、Nuance等公司，均有相關(guān)的產(chǎn)品；國(guó)內(nèi)的有香港的InfoTalk、捷通等。

　　在語(yǔ)音合成方面，能夠提供產(chǎn)品的公司就十分多了，有的產(chǎn)品是用軟件來(lái)實(shí)現(xiàn)，有的專(zhuān)門(mén)設(shè)計(jì)了硬件芯片。

　　促進(jìn)網(wǎng)絡(luò)的融合

　　語(yǔ)音技術(shù)的發(fā)展，帶動(dòng)了網(wǎng)絡(luò)的融合過(guò)程。目前，世界上的兩大通信網(wǎng)絡(luò)是電信網(wǎng)和計(jì)算機(jī)網(wǎng)，電信網(wǎng)絡(luò)是以語(yǔ)音信號(hào)為處理對(duì)象，計(jì)算機(jī)網(wǎng)絡(luò)則是以數(shù)據(jù)對(duì)象為其處理內(nèi)容。而語(yǔ)音技術(shù)為兩個(gè)網(wǎng)絡(luò)的結(jié)合，奠定了技術(shù)基礎(chǔ)。

　　在為用戶(hù)服務(wù)的過(guò)程中，兩種網(wǎng)絡(luò)分別扮演不同的角色。

　　語(yǔ)音接入通過(guò)PSTN

　　目前，人們進(jìn)行信息交流的主要方式，還是通過(guò)電話網(wǎng)。用戶(hù)可以通過(guò)撥打一個(gè)電話號(hào)碼，接入到信息訪問(wèn)中心。

　　語(yǔ)音處理依靠計(jì)算機(jī)網(wǎng)絡(luò)

　　計(jì)算機(jī)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)是處理信息的能力十分強(qiáng)大。因此，采用語(yǔ)音技術(shù)，計(jì)算機(jī)就可以讀懂用戶(hù)想要哪方面的信息，并自動(dòng)尋找該信息，然后，通過(guò)語(yǔ)音技術(shù)將信息以語(yǔ)音的形式回放給用戶(hù)。

　　這就形成了一個(gè)理想的網(wǎng)絡(luò)信息訪問(wèn)模式，電話網(wǎng)絡(luò)負(fù)責(zé)語(yǔ)音接入，計(jì)算機(jī)網(wǎng)絡(luò)負(fù)責(zé)信息的處理。

　　開(kāi)辟新應(yīng)用

　　語(yǔ)音技術(shù)的應(yīng)用十分廣泛。

　　金融方面

　　采用了語(yǔ)音技術(shù)后，通過(guò)電話，不用人工的干預(yù)，就可以進(jìn)行賬戶(hù)余額查詢(xún)，完成賬戶(hù)間的轉(zhuǎn)賬等工作。不僅提高了工作的效率，也改善了服務(wù)的形象。

　　證券方面

　　用戶(hù)通過(guò)電話可以查詢(xún)當(dāng)前的股市情況，不用再按電話上的按鍵，而是直接說(shuō)出自己關(guān)心的股票的名稱(chēng)，例如“深發(fā)展”，然后計(jì)算機(jī)就通過(guò)語(yǔ)音合成技術(shù)，將結(jié)果播報(bào)出來(lái)。這樣，用戶(hù)就不用記那些股票號(hào)碼了。

　　電信方面

　 采用語(yǔ)音技術(shù)，在電信業(yè)務(wù)中將產(chǎn)生很多的應(yīng)用。例如在“114”電話黃頁(yè)中，目前還要有大量的人工服務(wù)，而如果采用語(yǔ)音技術(shù)，就可以不用人工服務(wù)，讓計(jì)算機(jī)自動(dòng)接聽(tīng)用戶(hù)的需要，然后回放查詢(xún)的電話號(hào)碼。

　　旅游方面

　　用戶(hù)可以通過(guò)電話，自動(dòng)查詢(xún)那些感興趣的景點(diǎn)的語(yǔ)音介紹材料，相當(dāng)于請(qǐng)了一個(gè)電話導(dǎo)游。而且出現(xiàn)問(wèn)題時(shí)，也可以通過(guò)電話，進(jìn)行各種求助。

　　尋呼方面

　　尋呼目前還是通過(guò)尋呼小姐記下用戶(hù)要尋呼的目標(biāo)號(hào)碼，然后將內(nèi)容輸入到尋呼系統(tǒng)進(jìn)行發(fā)射。采用語(yǔ)音技術(shù)后，可以讓計(jì)算機(jī)自動(dòng)地進(jìn)行整個(gè)操作過(guò)程。

　　娛樂(lè)方面

　　語(yǔ)音技術(shù)在娛樂(lè)方面，也可以激發(fā)出許多的新應(yīng)用。例如，在通過(guò)電話進(jìn)行電視MTV點(diǎn)播時(shí)，可以避免重復(fù)地按電話上的按鍵，而是直接說(shuō)出哪個(gè)歌手的哪首歌，電視臺(tái)就接受語(yǔ)音輸入，而播放相應(yīng)的曲目。

　　面臨問(wèn)題

　　可以看到，將來(lái)成熟的語(yǔ)音技術(shù)將會(huì)帶來(lái)巨大的影響，但目前的語(yǔ)音技術(shù)還存在著一些問(wèn)題，而且，單靠語(yǔ)音技術(shù)也是不夠的，要和其他領(lǐng)域的知識(shí)進(jìn)行結(jié)合，才能產(chǎn)生豐富的應(yīng)用。

　　語(yǔ)音識(shí)別技術(shù)方面

　　目前，在漢語(yǔ)方面，語(yǔ)音合成的技術(shù)已經(jīng)達(dá)到了實(shí)用階段，但在語(yǔ)音識(shí)別方面，還有很多問(wèn)題要解決。

　　用戶(hù)的獨(dú)立性問(wèn)題：就是如何識(shí)別不同嗓音和口音的用戶(hù)，而無(wú)需通過(guò)軟件訓(xùn)練來(lái)實(shí)現(xiàn)。

　　自然語(yǔ)音理解能力：能夠直接了解用戶(hù)的需要，就像人一樣，可以通過(guò)幾個(gè)簡(jiǎn)單縮語(yǔ)，就可以明白對(duì)方的想法。

　　插入處理能力：插入能力允許用戶(hù)在系統(tǒng)提示時(shí)中斷系統(tǒng)，但系統(tǒng)仍然能夠知道用戶(hù)的請(qǐng)求。

　　聲紋識(shí)別問(wèn)題：每個(gè)人的聲音都有一定的特點(diǎn)，是否也能夠像識(shí)別指紋一樣，識(shí)別聲紋呢？這樣許多鑒權(quán)應(yīng)用將十分簡(jiǎn)單。

　　業(yè)務(wù)策略方面

　　業(yè)務(wù)的應(yīng)用情況，也取決于業(yè)務(wù)的管理水平，業(yè)務(wù)的營(yíng)銷(xiāo)能力、服務(wù)水平、售后能力等因素，也同樣制約著最終業(yè)務(wù)的應(yīng)用情況。

摘自《中國(guó)計(jì)算機(jī)報(bào)》