顏永紅：“搜索”語(yǔ)音識(shí)別技術(shù)的未來(lái)
2010/05/28
顏永紅:中科院聲學(xué)所中科信利語(yǔ)音識(shí)別實(shí)驗(yàn)室主任。
1990年畢業(yè)于清華大學(xué)，1995年獲得美國(guó)俄勒岡研究院博士學(xué)位，后在該校任教，曾擔(dān)任OGI口語(yǔ)研究中心的副主任、英特爾微處理器實(shí)驗(yàn)室的主任工程師和人機(jī)界面總框架師，英特爾中國(guó)研究中心的主任和首席研究員,英特爾全球人機(jī)界面學(xué)術(shù)委員會(huì)主席。
2002年入選中科院百人計(jì)劃，任聲學(xué)所研究員、博士生導(dǎo)師，中科信利語(yǔ)音實(shí)驗(yàn)室主任和所長(zhǎng)助理。長(zhǎng)期從事人機(jī)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(yǔ)音識(shí)別，多�？谡Z(yǔ)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(shí)驗(yàn)室的主任工程師和人機(jī)界面總框架師，英特爾中國(guó)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(yǔ)音識(shí)別實(shí)驗(yàn)室已發(fā)展成為國(guó)內(nèi)語(yǔ)言聲學(xué)領(lǐng)域規(guī)模最大、學(xué)科最全的實(shí)驗(yàn)室，與實(shí)驗(yàn)室同時(shí)成立的中科信利技術(shù)有限公司也取得了長(zhǎng)足的發(fā)展。
兩個(gè)“孩子”的長(zhǎng)大讓他倍感欣慰。而同時(shí)，他錯(cuò)過(guò)了兩個(gè)寶貝女兒的成長(zhǎng)，這是他最遺憾的。
“沒有什么后悔的，時(shí)間無(wú)法倒流，只能往前看。”中科院聲學(xué)所中科信利語(yǔ)音識(shí)別實(shí)驗(yàn)室主任顏永紅說(shuō)。
一項(xiàng)技術(shù)，牽制搜索引擎
“在不久的將來(lái)，互聯(lián)網(wǎng)將成為一個(gè)浩大的音視頻檔案庫(kù)，對(duì)下一代搜索引擎來(lái)說(shuō)，語(yǔ)音識(shí)別技術(shù)是關(guān)鍵。”顏永紅說(shuō)。
在浩繁的音視頻數(shù)據(jù)庫(kù)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(guò)語(yǔ)音識(shí)別技術(shù)，可以把多媒體文件變成可識(shí)別的計(jì)算機(jī)語(yǔ)言，從而有效快速的實(shí)現(xiàn)準(zhǔn)確搜索。
事實(shí)上，語(yǔ)音識(shí)別技術(shù)也是各大公司競(jìng)爭(zhēng)的一大焦點(diǎn)。
去年11月份，谷歌推出的語(yǔ)音搜索引起極大關(guān)注。用戶只需在手機(jī)上安裝一個(gè)軟件，然后利用手機(jī)原有的麥克風(fēng)，用普通話對(duì)手機(jī)說(shuō)出需要查詢的內(nèi)容，谷歌中文語(yǔ)音搜索會(huì)自動(dòng)返回整合的搜索結(jié)果。
“從實(shí)驗(yàn)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(guó)內(nèi)公司合作的語(yǔ)音搜索將面世�！鳖佊兰t笑著說(shuō)。
目前，中科信利的中文電視廣播新聞節(jié)目識(shí)別系統(tǒng)，就已經(jīng)被多家公司采用，并作為其提供給全國(guó)各電視臺(tái)的數(shù)字媒體管理系統(tǒng)中一個(gè)核心技術(shù)模塊。
這個(gè)系統(tǒng)立刻引起本報(bào)記者的強(qiáng)烈興趣——當(dāng)系統(tǒng)“收聽”到一段“新聞聯(lián)播”節(jié)目，自動(dòng)將節(jié)目?jī)?nèi)容生成文字，并且識(shí)別準(zhǔn)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(shí)興致勃勃。
“現(xiàn)在還不行�！鳖佊兰t笑著說(shuō)，“因?yàn)檎Z(yǔ)音識(shí)別包括語(yǔ)言模型和聲學(xué)模型，新聞?wù)Z言可以建立語(yǔ)言模型，但口語(yǔ)卻很難建立語(yǔ)言模型。”
在語(yǔ)音識(shí)別實(shí)驗(yàn)室里，視頻精確搜索已不是問(wèn)題。
在一段王楠比賽的視頻中，你只要輸入“側(cè)身?yè)尷�、“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(tái)詞即可搜索。
兩塊牌子，連起創(chuàng)新鏈條
顏永紅記得，語(yǔ)音實(shí)驗(yàn)室獲得的第一筆項(xiàng)目經(jīng)費(fèi)來(lái)自科技部863項(xiàng)目2003年語(yǔ)音識(shí)別領(lǐng)域的比賽�！拔覀兊淖R(shí)別率是最高的，獲得了20萬(wàn)元的項(xiàng)目。”
如今，上千萬(wàn)的課題在這里已不是新聞。他領(lǐng)導(dǎo)的這個(gè)年輕的團(tuán)隊(duì)，已獲得授權(quán)發(fā)明專利22項(xiàng)；軟件著作權(quán)登記36項(xiàng)；有30余項(xiàng)發(fā)明專利正在審查中；在國(guó)內(nèi)外各種學(xué)術(shù)會(huì)議和刊物上，已經(jīng)發(fā)表了200多篇學(xué)術(shù)文章。
中科信利技術(shù)有限公司在業(yè)內(nèi)也小有名氣，人們將他看成顏永紅的“著作”之一。
事實(shí)上，8年前，公司的成立僅僅是給科研人員“畫了個(gè)餅”。
“科研人員不會(huì)成為富翁，但是至少應(yīng)該體面地工作、體面地生活，所以，成立一個(gè)公司，讓大家研發(fā)出來(lái)的技術(shù)有一個(gè)走出去的載體，這就是田靜所長(zhǎng)和我當(dāng)時(shí)的想法。”顏永紅說(shuō)。于是，在只有100多萬(wàn)元啟動(dòng)資金的情況下，中科信利成立。
萬(wàn)事開頭難�！肮厩皫啄甓紱]有收入，最困難的時(shí)候甚至瀕臨倒閉了。”說(shuō)這話時(shí)，顏永紅是微笑的，但笑容背后的艱辛是旁觀者無(wú)法體會(huì)的，而他也不愿多言。
峰回路轉(zhuǎn)，中科信利等到了第一次商機(jī)。其研發(fā)的產(chǎn)品嵌入式語(yǔ)音軟件被應(yīng)用在了手機(jī)上，這就是大家比較熟悉的語(yǔ)音撥號(hào)。
“有些人的手機(jī)里存了幾百上千個(gè)電話號(hào)碼，找起來(lái)很麻煩，安裝這一軟件后，只要對(duì)著手機(jī)叫出對(duì)方名字，即可調(diào)出他的資料�！鳖佊兰t介紹道。
這個(gè)嵌入式語(yǔ)音軟件支持語(yǔ)音撥號(hào)、命令控制、來(lái)電短信提醒、語(yǔ)音讀出短信、連呼數(shù)字撥號(hào)等功能。此外，他們還開發(fā)出基于分布式集群架構(gòu)的語(yǔ)音處理平臺(tái)TSE。
“在此之前，電信級(jí)語(yǔ)音識(shí)別引擎技術(shù)完全被美國(guó)公司壟斷，但現(xiàn)在我們完全有底氣說(shuō)，我們占據(jù)了大半壁江山。”言至此，顏永紅的語(yǔ)調(diào)高了很多。確實(shí)，在國(guó)內(nèi)，真正能夠?qū)⒄Z(yǔ)音識(shí)別產(chǎn)品拿出來(lái)，放在電信網(wǎng)上規(guī)模使用的，也只有中科信利。
語(yǔ)音實(shí)驗(yàn)室承擔(dān)著國(guó)家科研任務(wù)，中科信利公司開發(fā)語(yǔ)音技術(shù)產(chǎn)品，這兩個(gè)牌子的作用互為配合，相得益彰。顏永紅介紹說(shuō)：“實(shí)用技術(shù)的推廣應(yīng)用，不是所有實(shí)驗(yàn)室的人員能夠勝任的事情。在科技創(chuàng)新的整個(gè)鏈條上，我們分為概念產(chǎn)生、原理研究、原理性樣機(jī)研制、產(chǎn)品化、市場(chǎng)推廣，總共為五個(gè)階段。語(yǔ)音實(shí)驗(yàn)室基本承擔(dān)前三段，后兩段則由中科信利技術(shù)有限公司完成�！�
“十一五”期間的策略是由公司支持實(shí)驗(yàn)室，而“十二五”期間，需要大力發(fā)展公司。顏永紅說(shuō)：“下一步我們需要積極探索，怎樣通過(guò)發(fā)展公司帶來(lái)更多機(jī)會(huì)，打破實(shí)驗(yàn)室發(fā)展的瓶頸。”
《科技日?qǐng)?bào)》
相關(guān)閱讀: