記者日前在中國科大人機(jī)語音通信實(shí)驗(yàn)室采訪時(shí)看到令人震驚的一幕：操作人員只需按動(dòng)電腦電源，隨后信口發(fā)號施令，電腦即可按主人的意思進(jìn)行文字輸入、文件處理、收發(fā)郵件，甚至可以與使用者對話等等。該研究室負(fù)責(zé)人、智能計(jì)算機(jī)成果轉(zhuǎn)化基地中央研究院院長王仁華教授告訴記者：“中文‘傻瓜’電腦悄然向我們走來！”

　　“讓電腦聽懂說話，讓電腦開口說話。”幾乎在計(jì)算機(jī)誕生的時(shí)候，專家們就開始向這一方面努力。只有達(dá)到這一目標(biāo)，電腦才能成為世界上最聰明的“傻瓜”。

　　在計(jì)算機(jī)王國美國，行業(yè)頭號霸主IBM率先進(jìn)行電腦語音識別研究。經(jīng)過20多年的努力，先后推出英文、法文、德文等近十種文字的語音識別技術(shù)。由于漢語結(jié)構(gòu)復(fù)雜，單章節(jié)為主，同音字多，方言多，語法亦不規(guī)范，直到1997 年底，IBM才推出不太成熟的漢語識別技術(shù)。這些頂尖高手們深知漢語音識別技術(shù)艱難，自身難以攻克，就以較低的價(jià)格，或技術(shù)互換的方式向全世界二次開發(fā)商、科研機(jī)構(gòu)提供軟件內(nèi)核。

　　此后的一年多時(shí)間里，“讓電腦聽懂說話”技術(shù)獲得迅疾突破，微軟、IBM、摩托羅拉等世界級開發(fā)商投入大量人力物力。首創(chuàng)電腦聲卡的新加坡創(chuàng)新公司，臺灣清華大學(xué)和香港中文大學(xué)等華語研究開發(fā)機(jī)構(gòu)在漢語音技術(shù)方面做了大量工作，語音導(dǎo)航、語音識別等技術(shù)日臻成熟。IBM公司1998年推出的漢語識別軟件ViaVioice98，可在普通話基礎(chǔ)上適應(yīng)廣東、四川、上海等有代表性的方音，只要讀5個(gè)詞、3句話即可建立一個(gè)語音模型，并有使用中自學(xué)功能。

　　“英雄所見略同”，漢語音技術(shù)在我國是“863”計(jì)劃支持最早、時(shí)間最長的智能計(jì)算機(jī)領(lǐng)域攻關(guān)課題。清華大學(xué)、中國科學(xué)院聲學(xué)所、中國科學(xué)技術(shù)大學(xué)等8家研究機(jī)構(gòu)成立相關(guān)技術(shù)攻關(guān)組，接受“863”計(jì)劃支持。到1997年底，由王仁華教授領(lǐng)導(dǎo)的中國科大人機(jī)語音通信實(shí)驗(yàn)室、國家智能計(jì)算機(jī)研究開發(fā)中心在漢語音識別、合成方面取得突破；與 IBM進(jìn)行技術(shù)交流獲得語音識別內(nèi)核基礎(chǔ)上進(jìn)行再開發(fā)，漢語音識別技術(shù)與IBM同步；語音合成方面通過十幾年的摸索，毅然放棄國際通行的方法，獨(dú)創(chuàng)“人聲道模擬技術(shù)”，結(jié)束了在語音信號處理，音頻、視頻編碼和傳輸?shù)阮I(lǐng)域內(nèi)多項(xiàng)關(guān)鍵技術(shù)上達(dá)到國際領(lǐng)先水平，結(jié)束了漢語音合成清晰度與自然度的制約，電腦終于可以說出流利的漢語。

　　記者在中國科大看到，操作者從因特網(wǎng)上下載一篇新聞，電腦即可略帶情感地讀出它。“863”專家組曾作過檢測，把電臺播音員播出水平打成5分，中國科大電腦合成的語音可打4分。

　　理論研究基礎(chǔ)和科技上的突破，為漢語“能聽會(huì)說”電腦問世提供了前提。以中國科大研究機(jī)構(gòu)為依托成立的國家863智能計(jì)算機(jī)成果轉(zhuǎn)化基地中央研究院、安徽硅谷天音信息科技有限公司對已取得的高新技術(shù)產(chǎn)品進(jìn)行了產(chǎn)品化，其第一個(gè)語音輸入和控制計(jì)算機(jī)產(chǎn)品“天音話王”已投放市場，月銷量達(dá)百萬元，港、臺地區(qū)總銷量逾10成萬套。此前的IBM 產(chǎn)品、“漢王”聽寫產(chǎn)品在市場上都有較好表現(xiàn)。

　　王仁華教授介紹，國內(nèi)智能電腦技術(shù)發(fā)展相當(dāng)迅速。中國科大的漢語音識別軟件對電腦常用命令、術(shù)語，如打開文件、刪除、新開窗口等，使用者不用進(jìn)行適應(yīng)性訓(xùn)練，亦可有較高的識別率；接受訓(xùn)練后的電腦，語音識別已超過實(shí)用標(biāo)準(zhǔn)，配合手寫修改，完全可以讓普通人享受電腦文本處理的便利。中國科大研究成功的語音合成技術(shù)則是通過建立語音庫，先期大量錄入語音，用特殊的算法對要合成的語音進(jìn)行尋找、對應(yīng)，因此擺脫了機(jī)器發(fā)聲，實(shí)際播出的聲音就是人聲。電腦已能初步識別諸如人手勢、形體動(dòng)作。

　　但王教授也表示，包括語音識別在內(nèi)，技術(shù)上要走的路還很遠(yuǎn)。如人的耳朵可以在嘈雜的聲音中區(qū)別出需要的聲音，而現(xiàn)行語音識別軟、硬件對背景場都沒有什么辦法。只有在弄清人耳朵語音識別機(jī)理，做出仿生識別系統(tǒng)，才是語音識別的新臺階。

　　盡管語音識別與合成技術(shù)是基礎(chǔ)而又專業(yè)的領(lǐng)域，但人們已認(rèn)定“傻瓜”電腦技術(shù)勢將對以家電為主的其他領(lǐng)域帶來新一輪的產(chǎn)業(yè)革命：將來不僅是電腦操作，洗衣、調(diào)整電視、甚至是開車、控制車床等，只要?jiǎng)觿?dòng)口即可；保安系統(tǒng)不僅可以報(bào)告發(fā)生不測，還可以告訴您具體發(fā)生什么事情，如此等等。“傻瓜”電腦技術(shù)的成熟，使真正意義上的智能電器、智能家庭、智能大廈得以出現(xiàn)。可喜的是，國內(nèi)這一方面基礎(chǔ)理論研究成果、關(guān)鍵技術(shù)屢獲突破，專家預(yù)測，不久的將來，民族化、能聽會(huì)說、善于察言觀色的聰明的“傻瓜”電腦將出現(xiàn)在千家萬戶。

摘自《光明日報(bào)》1999年11月17日