顏永紅：“搜索”語(yǔ)音識(shí)別技術(shù)的未來(lái)

　　顏永紅:中科院聲學(xué)所中科信利語(yǔ)音識(shí)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(guó)俄勒岡研究院博士學(xué)位，后在該校任教，曾擔(dān)任OGI口語(yǔ)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(guó)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(huì)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(yǔ)音實(shí)驗(yàn)室主任和所長(zhǎng)助理。長(zhǎng)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(yǔ)音識(shí)別，多模口語(yǔ)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(guó)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(yǔ)音識(shí)別實(shí)驗(yàn)室已發(fā)展成為國(guó)內(nèi)語(yǔ)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(zhǎng)足的發(fā)展。
　　兩個(gè)“孩子”的長(zhǎng)大讓他倍感欣慰。而同時(shí)，他錯(cuò)過(guò)了兩個(gè)寶貝女兒的成長(zhǎng)，這是他最遺憾的。
　　“沒(méi)有什么后悔的，時(shí)間無(wú)法倒流，只能往前看。”中科院聲學(xué)所中科信利語(yǔ)音識(shí)別實(shí)驗(yàn)室主任顏永紅說(shuō)。
　　一項(xiàng)技術(shù)，牽制搜索引擎
　　“在不久的將來(lái)，互聯(lián)網(wǎng)將成為一個(gè)浩大的音視頻檔案庫(kù)，對(duì)下一代搜索引擎來(lái)說(shuō)，語(yǔ)音識(shí)別技術(shù)是關(guān)鍵。”顏永紅說(shuō)。
　　在浩繁的音視頻數(shù)據(jù)庫(kù)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(méi)有辦法搜索音視頻內(nèi)容。而通過(guò)語(yǔ)音識(shí)別技術(shù)，可以把多媒體文件變成可識(shí)別的計(jì)算機(jī)語(yǔ)言，從而有效快速的實(shí)現(xiàn)準(zhǔn)確搜索。
　　事實(shí)上，語(yǔ)音識(shí)別技術(shù)也是各大公司競(jìng)爭(zhēng)的一大焦點(diǎn)。
　　去年11月份，谷歌推出的語(yǔ)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(duì)手機(jī)說(shuō)出需要查詢的內(nèi)容，谷歌中文語(yǔ)音搜索會(huì)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(guó)內(nèi)公司合作的語(yǔ)音搜索將面世。”顏永紅笑著說(shuō)。
　　目前，中科信利的中文電視廣播新聞節(jié)目識(shí)別系統(tǒng)，就已經(jīng)被多家公司采用，并作為其提供給全國(guó)各電視臺(tái)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(tīng)”到一段“新聞聯(lián)播”節(jié)目，自動(dòng)將節(jié)目?jī)?nèi)容生成文字，并且識(shí)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。”顏永紅笑著說(shuō)，“因?yàn)檎Z(yǔ)音識(shí)別包括語(yǔ)言模型和聲學(xué)模型，新聞?wù)Z言可以建立語(yǔ)言模型，但口語(yǔ)卻很難建立語(yǔ)言模型。”
　　在語(yǔ)音識(shí)別實(shí)驗(yàn)室里，視頻精確搜索已不是問(wèn)題。
　　在一段王楠比賽的視頻中，你只要輸入“側(cè)身?yè)尷薄ⅰ扒叭濉钡汝P(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(tái)詞即可搜索。

《科技日?qǐng)?bào)》