首頁(yè) >
“Speech Technology is The Next Big Thing in Computing！（語(yǔ)音技術(shù)是計算機行業(yè)的下一個(gè)重點(diǎn)）”這句曾經(jīng)出現在美國《商務(wù)周刊》封面上的論點(diǎn)，給記者留下了十分深刻的印象。從目前的技術(shù)來(lái)看，要使高科技的IT產(chǎn)業(yè)真正走向大眾生活，充分利用語(yǔ)音技術(shù)、將語(yǔ)音技術(shù)與數據技術(shù)結合是必然趨勢。言豐科技的梁康忠博士說(shuō)：“語(yǔ)音技術(shù)是當今迅猛發(fā)展的電子商務(wù)經(jīng)濟最重要的‘推進(jìn)器’之一，該市場(chǎng)正在迅速成長(cháng)，且發(fā)展勢頭良好。”有國外的分析家預測，從2000年到2005年，語(yǔ)音技術(shù)市場(chǎng)將以每年31%的速度持續增長(cháng)。語(yǔ)音技術(shù)市場(chǎng)的迅速擴展，意味著(zhù)我們正面臨著(zhù)大量部署語(yǔ)音應用的轉折期。
提到語(yǔ)音技術(shù)，更應該強調語(yǔ)音識別技術(shù)。因為只有系統能夠自動(dòng)識別語(yǔ)音內容，才能真正實(shí)現全程智能化、自動(dòng)化。同時(shí)，只有當大家真正認識到語(yǔ)音識別技術(shù)在通信系統中所起到的核心作用時(shí)，才標志著(zhù)語(yǔ)音應用進(jìn)入到了一個(gè)新的階段。
以往，我們都比較熟悉IBM的ViaVoice等個(gè)人識別軟件，但真正帶來(lái)最大利潤的還是企業(yè)級語(yǔ)音識別軟件。企業(yè)級語(yǔ)音識別軟件往往可被擴展為一個(gè)平臺，集信息查詢(xún)、信息點(diǎn)播、交易處理、統一消息四大功能模塊于一體，很多人稱(chēng)之為語(yǔ)音門(mén)戶(hù)。目前，常見(jiàn)的語(yǔ)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(shí)現語(yǔ)音功能頗為撓頭的時(shí)候，言豐科技高級系統開(kāi)發(fā)經(jīng)理周魯生卻說(shuō):“語(yǔ)音識別技術(shù)的門(mén)檻其實(shí)不高。”語(yǔ)音識別技術(shù)需要對語(yǔ)言規律的高度理解，因此，對于漢語(yǔ)識別系統，中國的公司在核心模塊二進(jìn)制級別對漢語(yǔ)的雙字節處理上要具有很多優(yōu)勢。并且，源語(yǔ)音采集庫的規模直接決定語(yǔ)音識別的范圍和精確性，中國公司在這方面要大大占先。
現在，很多語(yǔ)音技術(shù)大多如此：先跟著(zhù)指導練習一段時(shí)間，相當于與系統的“磨合”，然后再根據系統的提示，在“嘀”聲后開(kāi)始說(shuō)話(huà)，一問(wèn)一答地完成此過(guò)程。語(yǔ)音識別的難度在于突破這種傳統的非人性化、非靈活性的語(yǔ)音環(huán)境，實(shí)現一些新功能，包括：說(shuō)話(huà)者可以隨時(shí)開(kāi)口，而相應系統隨時(shí)都可覺(jué)察并錄制、識別；說(shuō)話(huà)者可以多種方言甚至多種語(yǔ)種輸入，而系統能夠識別出來(lái)；說(shuō)話(huà)者在噪音非常大（甚至與說(shuō)話(huà)者音量相當）的環(huán)境中說(shuō)話(huà)，系統能識別出來(lái)等。言豐科技的語(yǔ)音識別系統目前已經(jīng)能實(shí)現這些功能，人工智能會(huì )話(huà)斷插（barge-in）、多語(yǔ)音混合識別和回聲消除等，已使語(yǔ)音識別技術(shù)正在進(jìn)一步獲得突破。
梁博士認為，語(yǔ)音識別只是一種技術(shù)手段，它的應用不能脫離應用主體去單獨實(shí)施，否則，語(yǔ)音技術(shù)開(kāi)發(fā)者就不可能承接好各種應用項目。因此，在推動(dòng)企業(yè)應用語(yǔ)音系統開(kāi)展商務(wù)活動(dòng)和進(jìn)行內外部管理的時(shí)候，必須讓集成商介入這個(gè)領(lǐng)域。而且，由于舊有的語(yǔ)音應用還處于一個(gè)比較低級的階段，技術(shù)上的突破將會(huì )給這個(gè)領(lǐng)域帶來(lái)重新洗牌的機會(huì )。
摘自《中國計算機報》
