語(yǔ)音識別還有幾道坎

高皓 2000/12/07

　　憑心而論，語(yǔ)音識別是一項復雜的技術(shù)，特別對于漢語(yǔ)語(yǔ)音識別尤其如此。因此，盡管多年前就有眾多公司和研究機構開(kāi)始了語(yǔ)音技術(shù)，包括語(yǔ)音識別和語(yǔ)音合成技術(shù)的研究，但直到最近一兩年，在國內應該說(shuō)是今年，才開(kāi)始有規模的商用。

　　國外已經(jīng)有了不少較大規模的語(yǔ)音識別IVR系統或者呼叫中心的應用，然而在國內，雖然有將語(yǔ)音識別和呼叫中心結合起來(lái)的趨勢，但仍沒(méi)有多少應用。這其中雖然有諸多影響因素，但重要的一點(diǎn)就是漢語(yǔ)語(yǔ)音識別技術(shù)還不夠完善。那么，語(yǔ)音識別技術(shù)要進(jìn)入大規模商用，還要跨越哪些障礙呢？


　　■用戶(hù)的獨立性


　　所謂用戶(hù)的獨立性，就是語(yǔ)音識別軟件能夠識別有不同嗓音和口音的用戶(hù)，而無(wú)需通過(guò)訓練軟件來(lái)使其識別一個(gè)特殊用戶(hù)的聲音。目前的許多語(yǔ)音識別軟件，是基于標準的發(fā)音來(lái)進(jìn)行識別的。而實(shí)際上，人們說(shuō)話(huà)千差萬(wàn)別，發(fā)音也各不相同，特別對于有口音的語(yǔ)音來(lái)說(shuō)，更是對語(yǔ)音識別軟件提出了嚴峻的挑戰。目前的語(yǔ)音識別軟件大部分是通過(guò)自學(xué)習功能，不斷的訓練來(lái)達到軟件對于特定用戶(hù)語(yǔ)音的識別。

　　將來(lái)，語(yǔ)音識別軟件的一個(gè)發(fā)展趨勢就是加強處理性，可以識別在一定范圍內的各種發(fā)音。而實(shí)際上，現在有許多語(yǔ)音軟件公司在從事這方面的工作，盡量將所有可能的方言發(fā)音收入語(yǔ)音庫。這樣，無(wú)需經(jīng)過(guò)專(zhuān)門(mén)的特殊訓練，軟件就能識別用戶(hù)的發(fā)音。


　　■自然的語(yǔ)言能力


　　許多語(yǔ)音識別系統還具有自然的語(yǔ)言能力，這就是軟件理解講話(huà)者的能力。這種能力不僅表現在特定的單詞上，甚至還表現在短語(yǔ)和完整的句子上。自然的語(yǔ)言意味著(zhù)兩點(diǎn)：第一，它可讓用戶(hù)用句子來(lái)表達意思。例如，為表達checking account，用戶(hù)可使用有更多單詞的自然句子，如I'd like my checking account balance。 第二指用戶(hù)可使用包含多義詞的句子。例如，我們可說(shuō)I want to transfer $500 dollars from my savings account to my checking account。這是自然語(yǔ)言的一個(gè)主要準則，用戶(hù)可在一個(gè)單句中使用多個(gè)多義詞。

　　有少數復雜的語(yǔ)音識別系統使用提示性對話(huà)。在這里，語(yǔ)音識別系統提示用戶(hù)用一個(gè)單詞或記號來(lái)回答。根據專(zhuān)門(mén)機構的調查，多數人更喜歡用約定俗成的自然語(yǔ)言，而不喜歡使用提示性對話(huà)。人們討厭的是不完善的自然語(yǔ)言，當能使用完善的自然語(yǔ)言時(shí)，人們當然不可抗拒地選擇了它。


　　■處理插入的能力


　　新增的插入的能力是語(yǔ)音識別軟件的另一個(gè)主要進(jìn)步。插入的能力允許用戶(hù)在系統提示時(shí)中斷系統，但系統依然能知道用戶(hù)的請求。

　　這點(diǎn)對于實(shí)際的應用來(lái)說(shuō)是有相當意義的。因為人們在說(shuō)話(huà)時(shí)，總是在自覺(jué)不自覺(jué)地思考，經(jīng)常會(huì )在打斷語(yǔ)言的連續性，而插入一些補充性的語(yǔ)言。這樣的語(yǔ)言，在語(yǔ)法上來(lái)說(shuō)經(jīng)常不正確的，常規的語(yǔ)音識別系統會(huì )很難處理這些語(yǔ)音。


　　■軟件身份驗證的能力


　　語(yǔ)音識別銷(xiāo)售商最近還介紹了軟件身份驗證的能力，即根據用戶(hù)的嗓音和語(yǔ)言特點(diǎn)，來(lái)達到識別用戶(hù)的能力。這在實(shí)際中是一個(gè)非常有價(jià)值的特點(diǎn)，如可用于人事管理上。

《賽迪市場(chǎng)專(zhuān)家》 2000/12/07