顏永紅:中科院聲學(xué)所中科信利語音識別實驗室主任。
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、英特爾微處理器實驗室的主任工程師和人機界面總框架師，英特爾中國研究中心的主任和首席研究員,英特爾全球人機界面學(xué)術(shù)委員會主席。
2002年入選中科院百人計劃，任聲學(xué)所研究員、博士生導(dǎo)師，中科信利語音實驗室主任和所長助理。長期從事人機界面研究工作，目前從事的研究領(lǐng)域：大詞表非特定人連續(xù)語音識別，多模口語系統(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驗室的主任工程師和人機界面總框架師，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驗室已發(fā)展成為國內(nèi)語言聲學(xué)領(lǐng)域規(guī)模最大、學(xué)科最全的實驗室，與實驗室同時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“孩子”的長大讓他倍感欣慰。而同時，他錯過了兩個寶貝女兒的成長，這是他最遺憾的。
“沒有什么后悔的，時間無法倒流，只能往前看。”中科院聲學(xué)所中科信利語音識別實驗室主任顏永紅說。
一項技術(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算機語言，從而有效快速的實現(xiàn)準確搜索。
事實上，語音識別技術(shù)也是各大公司競爭的一大焦點。
去年11月份，谷歌推出的語音搜索引起極大關(guān)注。用戶只需在手機上安裝一個軟件，然后利用手機原有的麥克風(fēng)，用普通話對手機說出需要查詢的內(nèi)容，谷歌中文語音搜索會自動返回整合的搜索結(jié)果。
“從實驗室成立到現(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)中一個核心技術(shù)模塊。
這個系統(tǒng)立刻引起本報記者的強烈興趣——當(dāng)系統(tǒng)“收聽”到一段“新聞聯(lián)播”節(jié)目，自動將節(jié)目內(nèi)容生成文字，并且識別準確率驚人地高。
“那是不是我們的采訪錄音直接可以被轉(zhuǎn)化成文字？”記者頓時興致勃勃。
“現(xiàn)在還不行。”顏永紅笑著說，“因為語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。”
在語音識別實驗室里，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。
共 2 頁：1 2
《科技日報》
