ASR：“說(shuō)得出做得到”

——語(yǔ)音識別技術(shù)正在走進(jìn)大眾生活

陳青松

　　愛(ài)看科幻電影的朋友恐怕都不會(huì )忘記，在影片中常常有以聲控方式來(lái)操縱汽車(chē)、電腦及一切電器的情節，而現在人們依靠電腦電話(huà)整合系統CTI（ComputerTelephoneIntegration）技術(shù)已經(jīng)讓這些科學(xué)幻想走向現實(shí)。例如，當你對著(zhù)某品牌手機直呼某人姓名時(shí)，就可以自動(dòng)撥通對方的電話(huà)；三菱汽車(chē)推出的Galant車(chē)款，駕駛員也可透過(guò)聲控來(lái)操作音響等設備。

　　所謂“電腦電話(huà)整合系統”CTI，其實(shí)就是我們熟悉的“電話(huà)語(yǔ)音系統”。在通訊日漸發(fā)達的日常生活中，CTI已到了無(wú)所不在的地步。打電話(huà)到車(chē)站訂票、到醫院掛號，接聽(tīng)電話(huà)語(yǔ)音廣告，銀行的查帳、國際長(cháng)途通訊的網(wǎng)絡(luò )電話(huà)等等，這些都是CTI領(lǐng)域下的產(chǎn)品。而這些產(chǎn)品，若繼續延伸到新的發(fā)展趨勢，除了網(wǎng)絡(luò )電話(huà)的發(fā)展模式較為獨立之外，語(yǔ)音辨識和自動(dòng)話(huà)務(wù)系統兩者將會(huì )是未來(lái)市場(chǎng)的主流。

　　CTI的核心技術(shù)就是電腦語(yǔ)音辨識系統的應用。電腦語(yǔ)音辨識系統可分為二種：一是個(gè)人使用；二是大眾服務(wù)。個(gè)人使用的語(yǔ)音辨識系統在技術(shù)上較容易實(shí)現，如IBM等公司開(kāi)發(fā)的語(yǔ)音輸入法已在市場(chǎng)上銷(xiāo)售。這種個(gè)人用的語(yǔ)音辨識系統具有幾個(gè)特點(diǎn)：一是產(chǎn)品使用者單一，二是詞匯簡(jiǎn)易，三是電腦學(xué)習使用者語(yǔ)音特點(diǎn)的機會(huì )多。此類(lèi)產(chǎn)品目前能夠走向市場(chǎng)化，主要是因為他們采取的是“片語(yǔ)式”辨識，藉由特定詞匯、片語(yǔ)，電腦很容易學(xué)習和熟悉這些指令；同時(shí)，操作者的多半是某個(gè)固定的使用者，只要經(jīng)過(guò)多次的練習，電腦可以很快地熟悉這些特定的發(fā)音和語(yǔ)句。

　　另一種供大眾使用的語(yǔ)音辨識系統，如：用于大型電腦服務(wù)需求的金融機構、電信公司、航空和鐵路等部門(mén)的自動(dòng)話(huà)務(wù)系統（CallCenter），其技術(shù)層次較高，目前國內這類(lèi)產(chǎn)品投入商業(yè)應用的極少。這主要是由于目前的語(yǔ)音辨識系統至多只能做到“條件式”的階段（注：“條件式”語(yǔ)音辨識，是指電腦在有限的條件下，才可以執行的聲音指令。）

　　當然要達到無(wú)所不識的“自然語(yǔ)音辨識”水平還是一個(gè)長(cháng)遠的目標，預計可能還要幾年的時(shí)間才有可能成熟。其中的技術(shù)“瓶頸”關(guān)鍵在于語(yǔ)言的千變萬(wàn)化。語(yǔ)言當中的聲紋和語(yǔ)意的分析，可說(shuō)是對電腦的兩項極大的挑戰。

　　在聲紋方面，電腦接收聲音的環(huán)境必須很單純，而在人類(lèi)語(yǔ)言當中，夾雜了太多的同音、相似音和腔調，光是數字“一”和“七”的發(fā)音就容易混淆；相較于聲紋的掌控，語(yǔ)意分析對電腦程序設計人員更是一大挑戰。一個(gè)人若不是照著(zhù)規矩講話(huà)，可能會(huì )造成電腦的誤判和混淆，而一句話(huà)的意思該怎么表達，不同人往往有不同的習慣。

　　除了上述兩種問(wèn)題之外，還可能出現速度問(wèn)題。有些人說(shuō)話(huà)速度快，有些人說(shuō)話(huà)速度慢，而電腦在處理各種南腔北調時(shí)，如何在最短時(shí)間內辨識出其中語(yǔ)意，將會(huì )是非常重要的一環(huán)。

　　為了解決語(yǔ)音問(wèn)題，業(yè)界最普遍的做法，就是針對某一行業(yè)某個(gè)領(lǐng)域，依賴(lài)歸納法，搜集大量的專(zhuān)有詞匯及語(yǔ)法，進(jìn)行分類(lèi)歸納后，儲存在電腦中用來(lái)在以后辨識中應用。目前解決這些技術(shù)難題較成功的有美國Nuance公司，據稱(chēng)其語(yǔ)音辨識系統已達到了97％的效果，但中文的辨識能力有多高，目前還在評估之中。現在許多國際大廠(chǎng)商，如IBM、英特爾和西門(mén)子等都在這方面積極開(kāi)拓，可以相信不久的將來(lái)，語(yǔ)音辨識系統的應用將會(huì )更加大眾化，讓人們的生活更加隨“語(yǔ)”所欲。