你好！新語(yǔ)音識(shí)別時(shí)代

唐瀟霖 2006/06/01

　　走出實(shí)驗(yàn)室

　　語(yǔ)音識(shí)別技術(shù)真有那么“風(fēng)花雪月”嗎？實(shí)際上，這項(xiàng)技術(shù)一直都是計(jì)算機(jī)研究領(lǐng)域內(nèi)的一個(gè)熱門課題，也一向倍受IBM、微軟等等IT巨頭器重，相關(guān)研究成果層出不窮。隨著語(yǔ)音識(shí)別技術(shù)在最近幾年逐漸向移動(dòng)通訊、互聯(lián)網(wǎng)等領(lǐng)域，以及各種不方便通過(guò)手寫輸入與機(jī)器進(jìn)行“交流”的手持設(shè)備，如車載GPS定位系統(tǒng)、娛樂(lè)系統(tǒng)等硬件領(lǐng)域滲透，供其施展的舞臺(tái)日益寬廣起來(lái)。也許過(guò)不了多久，面貌煥然一新、同時(shí)蘊(yùn)藏巨大商機(jī)的語(yǔ)音識(shí)別應(yīng)用熱潮，將會(huì)徹底改變?nèi)藗兊乃季S定勢(shì)。

　　只需撥打一個(gè)號(hào)碼，就可以搞定問(wèn)路、訂票、美食推薦、家政服務(wù)、娛樂(lè)休閑、火車時(shí)刻等等信息？對(duì)，這是中國(guó)電信最近推出的一項(xiàng)名為“號(hào)碼百事通”的新業(yè)務(wù)，也是一款在挖掘和整合用戶號(hào)碼信息的基礎(chǔ)上，針對(duì)用戶的模糊查詢等信息服務(wù)需求提供的新產(chǎn)品。因?yàn)槭悄：樵�，所以現(xiàn)行的“號(hào)碼百事通”業(yè)務(wù)還需要靠人工坐席來(lái)實(shí)現(xiàn)，這必然需要投入大量資金來(lái)建設(shè)和不斷完善呼叫中心。為解決這一問(wèn)題，中國(guó)電信找到了中科院聲學(xué)所。利用聲學(xué)所的技術(shù)，中國(guó)電信不久后將在“號(hào)碼百事通”系統(tǒng)中引入語(yǔ)音搜索引擎，可以根據(jù)人們打入電話的聲音來(lái)識(shí)別、搜索出客戶需要查詢的信息并自動(dòng)提供。

　　同樣是電信增值業(yè)務(wù)，目前江蘇移動(dòng)、山東移動(dòng)等電信運(yùn)營(yíng)商，已經(jīng)實(shí)現(xiàn)了用戶通過(guò)“哼”一段旋律，就能查找到自己聽過(guò)卻不知道名稱的歌曲或彩鈴，并且進(jìn)行點(diǎn)播和下載的新業(yè)務(wù)。這種大規(guī)模的商業(yè)應(yīng)用，已經(jīng)進(jìn)入了成熟階段。中科院聲學(xué)所語(yǔ)音實(shí)驗(yàn)室的潘接林副主任對(duì)《互聯(lián)網(wǎng)周刊》表示，在商業(yè)應(yīng)用上，這套系統(tǒng)最關(guān)鍵的部分是解決了計(jì)費(fèi)環(huán)節(jié)的問(wèn)題，電信運(yùn)營(yíng)商和聲學(xué)所，由此可以按照每條查詢的下載量來(lái)進(jìn)行按比例分賬。目前，聲學(xué)所正在與互聯(lián)網(wǎng)上的幾大音樂(lè)內(nèi)容提供商合作，不久后將可以實(shí)現(xiàn)在互聯(lián)網(wǎng)上，通過(guò)唱出一段旋律的方式來(lái)進(jìn)行音樂(lè)搜索。　　

　　抓住語(yǔ)音搜索的商機(jī)

　　今年4月11日，Google向美國(guó)專利署遞交了一份語(yǔ)音技術(shù)專利申請(qǐng)，其中涵蓋了Google在語(yǔ)音識(shí)別方面的大量技術(shù)發(fā)明。許多經(jīng)濟(jì)觀察家們認(rèn)為，Google有可能憑借此項(xiàng)專利，又一次牢牢控制住搜索引擎技術(shù)發(fā)展的前沿陣地。

　　而一直視Google為最大潛在競(jìng)爭(zhēng)對(duì)手的微軟，從來(lái)都對(duì)語(yǔ)音識(shí)別技術(shù)格外重視。微軟CEO鮑爾默在5月22日訪華期間對(duì)記者說(shuō)，在微軟的技術(shù)創(chuàng)新方向上，有四個(gè)重要的落點(diǎn)，除了網(wǎng)絡(luò)服務(wù)、安全和新設(shè)備等領(lǐng)域之外，還包括了自然語(yǔ)言理解�！罢Z(yǔ)音識(shí)別技術(shù)在今后幾年內(nèi)會(huì)變得越來(lái)越重要�！滨U爾默解釋說(shuō)。

　　其實(shí)，也正因?yàn)槲④泴?duì)該領(lǐng)域重兵布防，所以在去年發(fā)生了“李開復(fù)事件”之后，鮑爾默才會(huì)顯得分外惱怒。跳槽到Google的微軟原全球副總裁李開復(fù)在美國(guó)卡耐基梅隆大學(xué)讀書的時(shí)候，就選擇了語(yǔ)音識(shí)別技術(shù)作為研究方向，后來(lái)順理成章的成為國(guó)際知名的語(yǔ)音識(shí)別技術(shù)專家，進(jìn)入微軟后一直主導(dǎo)著微軟交互式語(yǔ)言及人機(jī)界面的研發(fā)工作。如此重要和關(guān)鍵的人物跑去了競(jìng)爭(zhēng)對(duì)手那里，也難怪微軟要為此訴諸法庭。

　　在文字搜索已經(jīng)發(fā)展到幾乎沒(méi)有上升空間的時(shí)候，這些技術(shù)巨頭顯然已經(jīng)瞄準(zhǔn)了未來(lái)的語(yǔ)音、視頻搜索市場(chǎng)。微軟曾把語(yǔ)音識(shí)別的未來(lái)應(yīng)用重心放在計(jì)算機(jī)的聽寫機(jī)上，即類似于IBM ViaVoice的研究方向，希望把人的語(yǔ)音直接轉(zhuǎn)換成文字。微軟曾在其Word軟件中嵌入了這種功能，但并未實(shí)現(xiàn)商業(yè)化。而在2006年的“微軟亞洲研究院創(chuàng)新日”上，微軟一口氣介紹了11項(xiàng)與搜索相關(guān)的技術(shù)，其中“點(diǎn)播視/音頻搜索”更是讓人眼前一亮�？梢韵胍�，在爭(zhēng)奪未來(lái)語(yǔ)音識(shí)別搜索技術(shù)話語(yǔ)權(quán)的問(wèn)題上，微軟決不會(huì)坐視Google去申請(qǐng)專利而無(wú)動(dòng)于衷�！　�

　　下一座技術(shù)堡壘

　　對(duì)于微軟的語(yǔ)音識(shí)別技術(shù)，中科院聲學(xué)所下屬的中科信利技術(shù)有限公司高級(jí)副總裁劉建認(rèn)為，目前微軟的語(yǔ)音識(shí)別技術(shù)還處于技術(shù)跟蹤階段，而在商用化的道路上，中科院的技術(shù)目前在國(guó)際上已經(jīng)走在了前列。目前世界上只有少數(shù)幾家公司能夠形成核心技術(shù)，而中科院聲學(xué)所是國(guó)內(nèi)唯一完全擁有核心自主技術(shù)的單位，目前其最大的競(jìng)爭(zhēng)對(duì)手主要是美國(guó)的Nuance公司。

　　Nuance由原來(lái)國(guó)際上的四大語(yǔ)音公司以及其它幾家在語(yǔ)音技術(shù)方面有特點(diǎn)的語(yǔ)音公司整合而成。自合并以來(lái)，Nuance已發(fā)展成為全球首屈一指的語(yǔ)音解決方案供應(yīng)商，它能夠提供從網(wǎng)絡(luò)到IVR（Interactive Voice Response，互動(dòng)式語(yǔ)音應(yīng)答）的應(yīng)用方案。早在1996年9月，嘉信理財(cái)（Charles Schwab）公司所開通的首個(gè)大規(guī)模商用的語(yǔ)音識(shí)別應(yīng)用系統(tǒng)：股票報(bào)價(jià)系統(tǒng)，其背后的技術(shù)就是由Nuance提供的。

　　據(jù)劉建介紹，語(yǔ)音識(shí)別技術(shù)大致可以分為兩個(gè)發(fā)展方向：一是大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)，主要應(yīng)用于計(jì)算機(jī)的聽寫機(jī)，以及與電話網(wǎng)或者互聯(lián)網(wǎng)相結(jié)合的語(yǔ)音信息查詢服務(wù)系統(tǒng)，這些系統(tǒng)都是在計(jì)算機(jī)平臺(tái)上實(shí)現(xiàn)的；另外一個(gè)重要的方向是小型化、便攜式語(yǔ)音產(chǎn)品的應(yīng)用，如手機(jī)撥號(hào)、汽車設(shè)備的語(yǔ)音控制、智能玩具、家電遙控等方面的應(yīng)用，這些應(yīng)用系統(tǒng)大都使用專門的硬件系統(tǒng)實(shí)現(xiàn)，特別是近幾年來(lái)迅速發(fā)展的語(yǔ)音信號(hào)處理專用芯片和語(yǔ)音識(shí)別片上系統(tǒng)的出現(xiàn)，都為語(yǔ)音識(shí)別的廣泛應(yīng)用創(chuàng)造了有利的條件。

　　現(xiàn)在，機(jī)器識(shí)別人的單詞式的命令和指令，已經(jīng)不再困難，并且已經(jīng)開始了商用，例如中科信利幾個(gè)月后將推出的具有語(yǔ)音識(shí)別功能的芯片，就可以應(yīng)用在家電遙控、手機(jī)、汽車GPS、智能玩具等各種小型設(shè)備中。中信科利稱，其2006年的預(yù)期收入將達(dá)到1000萬(wàn)元，較上年度有100％的增長(zhǎng)。而另一種則是連續(xù)語(yǔ)音識(shí)別系統(tǒng)，比如說(shuō)如果兩個(gè)人在聊天，那么這些連貫的句子，將很難被機(jī)器識(shí)別，這也是語(yǔ)音識(shí)別技術(shù)領(lǐng)域內(nèi)未來(lái)的研究重點(diǎn)。

互聯(lián)網(wǎng)周刊