首頁 >
“Speech Technology is The Next Big Thing in Computing！（語音技術是計算機行業(yè)的下一個重點）”這句曾經出現(xiàn)在美國《商務周刊》封面上的論點，給記者留下了十分深刻的印象。從目前的技術來看，要使高科技的IT產業(yè)真正走向大眾生活，充分利用語音技術、將語音技術與數(shù)據(jù)技術結合是必然趨勢。言豐科技的梁康忠博士說：“語音技術是當今迅猛發(fā)展的電子商務經濟最重要的‘推進器’之一，該市場正在迅速成長，且發(fā)展勢頭良好。”有國外的分析家預測，從2000年到2005年，語音技術市場將以每年31%的速度持續(xù)增長。語音技術市場的迅速擴展，意味著我們正面臨著大量部署語音應用的轉折期。
提到語音技術，更應該強調語音識別技術。因為只有系統(tǒng)能夠自動識別語音內容，才能真正實現(xiàn)全程智能化、自動化。同時，只有當大家真正認識到語音識別技術在通信系統(tǒng)中所起到的核心作用時，才標志著語音應用進入到了一個新的階段。
以往，我們都比較熟悉IBM的ViaVoice等個人識別軟件，但真正帶來最大利潤的還是企業(yè)級語音識別軟件。企業(yè)級語音識別軟件往往可被擴展為一個平臺，集信息查詢、信息點播、交易處理、統(tǒng)一消息四大功能模塊于一體，很多人稱之為語音門戶。目前，常見的語音解決方案的供應商主要是IBM、Nuance、SpeechWorks、Philips，以及香港言豐科技。
在很多人對實現(xiàn)語音功能頗為撓頭的時候，言豐科技高級系統(tǒng)開發(fā)經理周魯生卻說:“語音識別技術的門檻其實不高。”語音識別技術需要對語言規(guī)律的高度理解，因此，對于漢語識別系統(tǒng)，中國的公司在核心模塊二進制級別對漢語的雙字節(jié)處理上要具有很多優(yōu)勢。并且，源語音采集庫的規(guī)模直接決定語音識別的范圍和精確性，中國公司在這方面要大大占先。
現(xiàn)在，很多語音技術大多如此：先跟著指導練習一段時間，相當于與系統(tǒng)的“磨合”，然后再根據(jù)系統(tǒng)的提示，在“嘀”聲后開始說話，一問一答地完成此過程。語音識別的難度在于突破這種傳統(tǒng)的非人性化、非靈活性的語音環(huán)境，實現(xiàn)一些新功能，包括：說話者可以隨時開口，而相應系統(tǒng)隨時都可覺察并錄制、識別；說話者可以多種方言甚至多種語種輸入，而系統(tǒng)能夠識別出來；說話者在噪音非常大（甚至與說話者音量相當）的環(huán)境中說話，系統(tǒng)能識別出來等。言豐科技的語音識別系統(tǒng)目前已經能實現(xiàn)這些功能，人工智能會話斷插（barge-in）、多語音混合識別和回聲消除等，已使語音識別技術正在進一步獲得突破。
梁博士認為，語音識別只是一種技術手段，它的應用不能脫離應用主體去單獨實施，否則，語音技術開發(fā)者就不可能承接好各種應用項目。因此，在推動企業(yè)應用語音系統(tǒng)開展商務活動和進行內外部管理的時候，必須讓集成商介入這個領域。而且，由于舊有的語音應用還處于一個比較低級的階段，技術上的突破將會給這個領域帶來重新洗牌的機會。
摘自《中國計算機報》
