語音識(shí)別新天地

雅文

　　語音識(shí)別技術(shù)一直是計(jì)算機(jī)領(lǐng)域研究的重點(diǎn)。IBM ViaVoice Telephony技術(shù)是IBM公司的中文ViaVoice語音識(shí)別技術(shù)在電話通信領(lǐng)域中的延伸和發(fā)展，它提供了一個(gè)開放式的語音識(shí)別引擎和一系列應(yīng)用工具，使得語音識(shí)別功能可以被方便快速地集成到電話系統(tǒng)中。

　　具體說來，普通話ViaVoice Telephony技術(shù)的特點(diǎn)包括：1、與說話人無關(guān)，任何人都可以使用；2、高識(shí)別率，內(nèi)部的語音識(shí)別引擎是使用真實(shí)的電話信道語音數(shù)據(jù)訓(xùn)練得到的，在正常的電話信道（包括普通電話和手機(jī)）的噪音下具有很高的識(shí)別率；3、無限詞匯量，由于語音識(shí)別內(nèi)核是比音節(jié)還要小的單元，所以對(duì)于開發(fā)人員定義的任何詞表，它都可以很好地辨識(shí)；4、連續(xù)發(fā)音，使用者不需要在詞匯間有任何停頓，可以同系統(tǒng)連續(xù)交談；5、多語種支持，除了支持中文普通話和粵語之外，系統(tǒng)同時(shí)支持美國英語、英國英語、法語和德語；6、多候選集的輸出，可以輸出不同候選結(jié)果的相似度得分；7、支持聲學(xué)加詞，說話人只需輸入語音信號(hào)即可完成加詞；8、支持動(dòng)態(tài)加詞，系統(tǒng)在運(yùn)行狀態(tài)下也可以動(dòng)態(tài)地?cái)U(kuò)大可識(shí)別的詞匯集；9、支持語音合成，高自然度、高清晰度、高可懂度的文語轉(zhuǎn)換系統(tǒng)是普通話ViaVoice Telephony技術(shù)的重要構(gòu)件；10、信道自適應(yīng)，系統(tǒng)可以自動(dòng)適應(yīng)不同信噪比的電話信道；11、與硬件無關(guān)的標(biāo)準(zhǔn)C/C++接口，可讓系統(tǒng)方便地掛接語音識(shí)別和語音合成引擎；12、自然語言理解模塊，提供更加人性化的人機(jī)對(duì)話接口；13、出色的可伸縮性，提供從小型辦公室到企業(yè)級(jí)電話語音系統(tǒng)解決方案，并提供全自動(dòng)的動(dòng)態(tài)負(fù)載平衡。此外，IBM中國研究中心在IBM美國Watson研究中心的支持下，已經(jīng)在語音識(shí)別的電話應(yīng)用領(lǐng)域積累了多年的經(jīng)驗(yàn)和技術(shù)。該項(xiàng)技術(shù)提供的語音識(shí)別引擎和語音合成引擎可以客戶機(jī)/服務(wù)器的方式同IVR（Interactive Voice Responding）系統(tǒng)對(duì)話，共同組成一個(gè)先進(jìn)的和智能化的分布式電話語音系統(tǒng)，支持單機(jī)和多機(jī)模式。

　　同時(shí)，IBM ViaVoice電話語音內(nèi)核和工具庫還為開發(fā)人員提供了開發(fā)電話語音識(shí)別應(yīng)用程序的工具。其中，前者為應(yīng)用程序提供了運(yùn)行平臺(tái)；后者則為開發(fā)和測試應(yīng)用程序提供了一套實(shí)用程序。該工具庫對(duì)Tcl/Tk腳本語言進(jìn)行了擴(kuò)展，簡化了應(yīng)用程序的開發(fā)和定制過程，并提供了與硬件無關(guān)的語音識(shí)別和語音合成引擎的C/C++接口，使得開發(fā)人員可以開發(fā)面向?qū)ο蟮慕鉀Q方案。工具庫中還包括了兩個(gè)示例程序，可以幫助用戶理解如何將語音識(shí)別集成到電話語音應(yīng)用程序中。另外，軟件中還附帶了幾個(gè)實(shí)用程序，來協(xié)助開發(fā)人員開發(fā)、測試和管理電話語音識(shí)別應(yīng)用程序。

　　普通話ViaVoice Telephony技術(shù)具有廣泛的應(yīng)用前景，任何VRU（Voice Responding Unit）應(yīng)用都可以同語音識(shí)別功能相結(jié)合，提供人性化的交互界面。不久前，我們杭州三匯數(shù)字信息技術(shù)有限公司和IBM公司就關(guān)于ViaVoice Telephony的應(yīng)用簽訂了合作協(xié)議，從而使得我公司成為率先應(yīng)用這一新技術(shù)的國內(nèi)語音卡生產(chǎn)商及ISV。在與ViaVoice Telephony技術(shù)結(jié)合之后，我公司開發(fā)生產(chǎn)的語音卡可以徹底解決以前按鍵無法解決的地名、人名、股票名稱等漢字詞語輸入問題，且具備高識(shí)別率、無限詞匯量、連續(xù)發(fā)音、與說話人無關(guān)等特點(diǎn)。目前，我公司已成功地完成了股票語音查詢系統(tǒng)、機(jī)器人接線員、鐵路自動(dòng)票務(wù)中心、民航語音呼叫中心、郵政184自動(dòng)查詢系統(tǒng)等項(xiàng)目。其中，江蘇省諫壁電廠經(jīng)過嚴(yán)格測試，已決定使用機(jī)器人總機(jī)接線員，任何人都可以通過有線或無線電話用自然語言直接叫機(jī)器人接線員接通某人的手機(jī)、辦公室或家庭電話。

　　相信，隨著ViaVoice Telephony技術(shù)在通信、金融、旅游以及醫(yī)療等領(lǐng)域的進(jìn)一步推廣和應(yīng)用，人們的生活必將更加多姿多彩。

摘自《中國計(jì)算機(jī)用戶》2000年1月31日