首頁(yè)>>廠(chǎng)商>>語(yǔ)音識別與合成>>言豐科技

應用無(wú)限的語(yǔ)音技術(shù)

雨夏 2001/11/15

盡管有了遙控家電，有了電腦，有了手機，有了各種各樣的鍵盤(pán)設備，但人們還是希望能夠通過(guò)自然語(yǔ)言來(lái)控制我們所使用的各種工具。對于語(yǔ)音識別技術(shù)的研究和語(yǔ)音應用的探索，始終是人們不會(huì )放棄的命題。

從語(yǔ)音識別技術(shù)的角度來(lái)看，目前有三個(gè)研究發(fā)展方向，即面向電腦、電話(huà)和手機的應用。電腦的語(yǔ)音錄入應用是指電腦能夠把人所說(shuō)的話(huà)記錄下來(lái)，解決文字輸入的問(wèn)題；電話(huà)的語(yǔ)音識別應用是借助通信平臺，實(shí)現語(yǔ)音技術(shù)的更廣泛應用；手機的語(yǔ)音識別應用是嵌入式的語(yǔ)音識別技術(shù)，實(shí)現手機、尋呼機在移動(dòng)通信中的語(yǔ)音識別應用。

據專(zhuān)業(yè)人士預測，5-10年以后，上述3個(gè)方向將會(huì )發(fā)生相互融合。而言豐科技所研究的領(lǐng)域專(zhuān)注在電話(huà)的語(yǔ)音識別和語(yǔ)音合成技術(shù)上，致力通過(guò)基于通信平臺的實(shí)現語(yǔ)音識別技術(shù)更為廣泛的、更有實(shí)際價(jià)值的商業(yè)應用，為客戶(hù)提供語(yǔ)音及電話(huà)功能。而開(kāi)發(fā)商可在其提供的軟件平臺基礎上快速簡(jiǎn)捷進(jìn)行應用方案的開(kāi)發(fā)，增設一系列具競爭力的高度個(gè)性化服務(wù)，使客戶(hù)通過(guò)電話(huà)輕松獲取各種資訊。這項技術(shù)對中國市場(chǎng)尤為重要，全國電話(huà)數量與上網(wǎng)電腦的比例將近40：1，同時(shí)呈現出移動(dòng)電話(huà)的增長(cháng)率高于固定電話(huà)的發(fā)展趨勢。

在討論了語(yǔ)音識別技術(shù)很多年之后，為什么這個(gè)話(huà)題在最近又大幅度升溫了呢？言豐科技總裁粱康忠博士說(shuō)：“技術(shù)的發(fā)展在一定階段時(shí)打破了應用的瓶頸，從而帶來(lái)了應用的進(jìn)步。因為語(yǔ)音識別是一項難度很大的技術(shù)，里面的算法非常復雜，對CPU的要求也非常高，過(guò)去應用的條件不具備。而近幾年CPU發(fā)展很快，而語(yǔ)音識別中的算法也日益精湛，兩者有機地集成在一起后，應用的條件就日趨成熟。”

語(yǔ)音識別技術(shù)進(jìn)入商用時(shí)代

語(yǔ)音技術(shù)開(kāi)辟了一個(gè)巨大的應用市場(chǎng)，目前的語(yǔ)音技術(shù)應用的程度如何呢？

1．技術(shù)成熟

國內在漢語(yǔ)的語(yǔ)音技術(shù)方面，語(yǔ)音合成技術(shù)比較成熟，已經(jīng)達到了商用的標準；在語(yǔ)音識別方面，亦已經(jīng)有一些產(chǎn)品成功投入商用，如言豐科技的e-t@lk產(chǎn)品。

2．促進(jìn)網(wǎng)絡(luò )的融合

語(yǔ)音技術(shù)的發(fā)展，帶動(dòng)了網(wǎng)絡(luò )的融合過(guò)程。目前，世界上的兩大通信網(wǎng)絡(luò )是電信網(wǎng)和計算機網(wǎng)，電信網(wǎng)絡(luò )是以語(yǔ)音信號為處理對象，計算機網(wǎng)絡(luò )則是以數據對象為其處理內容。而語(yǔ)音技術(shù)為兩個(gè)網(wǎng)絡(luò )的結合，奠定了技術(shù)基礎。

3．語(yǔ)音接入通過(guò)電信網(wǎng)

目前，人們進(jìn)行信息交流的主要方式還是通過(guò)固網(wǎng)、移動(dòng)網(wǎng)、PSTN、IP電話(huà)等電信網(wǎng)。用戶(hù)可以通過(guò)撥打一個(gè)電話(huà)號碼，接入到信息訪(fǎng)問(wèn)中心。

基于電話(huà)的語(yǔ)音應用

隨著(zhù)中國電信事業(yè)的迅速發(fā)展和電話(huà)普及率的不斷提高，電話(huà)自動(dòng)聲訊服務(wù)已走進(jìn)百姓的日常生活，人們越來(lái)越多地感受到了這些服務(wù)系統帶來(lái)的便捷。根據系統提供的選擇目錄并在電話(huà)上按鍵選擇，人們便可獲得所要查詢(xún)的信息。但很多時(shí)候，電話(huà)按鍵的局限性所帶來(lái)的不便也令人倍感無(wú)奈。

言豐科技的交談式語(yǔ)音理解系統充分發(fā)揮計算機技術(shù)和網(wǎng)絡(luò )技術(shù)的優(yōu)勢，采用先進(jìn)的人機語(yǔ)言對話(huà)方式，擺脫電話(huà)按鍵的束縛，人們只須要像平常一樣對著(zhù)電話(huà)簡(jiǎn)單地說(shuō)出所需服務(wù)項目，無(wú)須按鍵即可輕松獲取自動(dòng)聲訊服務(wù)系統提供的所需信息。雖然每個(gè)人的語(yǔ)音特征都有所不同，并會(huì )隨著(zhù)時(shí)間而改變，但言豐科技語(yǔ)音理解系統均可加以識別，即使是從來(lái)未對該系統說(shuō)過(guò)話(huà)的人。

言豐科技的交談式語(yǔ)音理解系統亦可識別自然的查詢(xún)對話(huà)。例如在一個(gè)天氣查詢(xún)系統上，使用者可用不同的查詢(xún)方法來(lái)發(fā)問(wèn)：（我想知道北京的天氣），（北京今天的天氣怎樣？），（請告訴我北京的天氣！）等，系統都可以識別和處理這些不同的問(wèn)話(huà)查詢(xún)。此外，該系統還能辨認連續自然的說(shuō)話(huà)，用戶(hù)不需要生硬地在字句間作出刻意的停頓。

言豐交談式語(yǔ)音理解系統另一特點(diǎn)是可以識別多種語(yǔ)言，甚至混合的語(yǔ)言。例如香港市面上不少的電話(huà)聲訊系統均需要用戶(hù)輸入香港身份證號碼[例：A123456（7）]以求確認其身份，但礙于音頻按鈕的局限，用戶(hù)只可輸入數目字。如采用了言豐科技語(yǔ)音識別系統，用戶(hù)就能直接說(shuō)出整個(gè)身份證號碼，包括最前的英文字"A"及用中文讀出所有數目字和"括弧"。另外，香港某些股票名稱(chēng)如“ASM太平洋”夾雜了中英文，言豐的系統也能加以準確識別。　

鑒于電話(huà)機本身質(zhì)量及線(xiàn)路/網(wǎng)絡(luò )狀況的不同，一般通過(guò)電話(huà)網(wǎng)傳輸的語(yǔ)音都有不同程度的變化。言豐科技的交談式語(yǔ)音理解系統可以容納很大差異的語(yǔ)音質(zhì)素，從而保證在不同的環(huán)境下，系統都能識別用戶(hù)的說(shuō)話(huà)，無(wú)需使用特殊的電話(huà)裝置。

語(yǔ)音技術(shù)商機無(wú)限

因為語(yǔ)音識別聲訊系統是讓用戶(hù)通過(guò)電話(huà)獲取資訊，因此任何需要借助電話(huà)提供資訊的行業(yè)，均可受惠于使用此產(chǎn)品，特別是一些通過(guò)對話(huà)提供快速資訊的行業(yè)，如銀行、旅游、公共服務(wù)機構及電信等。言豐科技電話(huà)語(yǔ)音理解聲訊系統的應用范圍十分廣泛，包括自動(dòng)化客戶(hù)服務(wù)、金融交易、電話(huà)銀行服務(wù)、股票報價(jià)、航班查詢(xún)等。 這些應用不僅可減輕人力資源的壓力及節省成本，更可創(chuàng )造出獨特的互動(dòng)客戶(hù)服務(wù)、大幅提高公司的市場(chǎng)競爭力。以下是一些具代表性的例子。

1．銀行及金融業(yè)

銀行及金融業(yè)樞紐必須掌握最新資訊。無(wú)論用戶(hù)希望查詢(xún)戶(hù)口結余，或是進(jìn)行戶(hù)口轉帳，應用了語(yǔ)音理解技術(shù)的聲訊查詢(xún)系統可不分晝夜地為您提供二十四小時(shí)的電話(huà)銀行理財服務(wù)。而證券業(yè)方面，股票經(jīng)紀每天要應付數以千計的電話(huà)查詢(xún)。若是采用言豐科技電話(huà)語(yǔ)音識別聲訊系統的話(huà)，用戶(hù)想查詢(xún)行情便可以直接講出股票名稱(chēng)或代碼，而系統確認用戶(hù)的要求后，會(huì )自動(dòng)讀出最新的股票價(jià)，相比起要每次輸入不同的股票代碼的煩瑣，大大方便了用戶(hù)，同時(shí)改善了服務(wù)的形象。

2、電信和尋呼

現今電信業(yè)競爭激烈，用戶(hù)對于在任何時(shí)間獲取各地資訊之需求，愈來(lái)愈迫切，因此，電信業(yè)需要具備高質(zhì)量的客戶(hù)服務(wù)。言豐科技電話(huà)語(yǔ)音識別聲訊系統，不單能識別多種語(yǔ)音，更令顧客電話(huà)服務(wù)目錄自動(dòng)化，創(chuàng )出獨特的互動(dòng)客戶(hù)服務(wù)，減輕人力資源的壓力，節省資本，從而產(chǎn)生另一項新收入。該技術(shù)在電信業(yè)務(wù)中將產(chǎn)生很多的應用。例如在“114”電話(huà)黃頁(yè)中，目前還要有大量的人工服務(wù)，而如果采用語(yǔ)音技術(shù)，就可省卻人工服務(wù)，讓計算機自動(dòng)接聽(tīng)用戶(hù)的需要，然后回放查詢(xún)的電話(huà)號碼。尋呼目前還是通過(guò)尋呼小姐記下用戶(hù)要尋呼的目標號碼，然后將內容輸入到尋呼系統進(jìn)行發(fā)射。采用語(yǔ)音技術(shù)后，可以讓計算機自動(dòng)地進(jìn)行整個(gè)操作過(guò)程。

3、公用事業(yè)

公共事業(yè)是另一個(gè)需要處理大量來(lái)電的典型例子。他們需要提供各式各樣的顧客服務(wù)和處理大量的日常來(lái)電。這些來(lái)電查詢(xún)可以通過(guò)電話(huà)語(yǔ)音識別聲訊系統的幫助得以解決，言豐科技電話(huà)語(yǔ)音理解聲訊系統可以按照來(lái)電者指示操作帳戶(hù)。針對亞洲市場(chǎng)特點(diǎn)如香港、新加坡、北京等國際性大都會(huì )，言豐科技開(kāi)發(fā)的是一個(gè)能夠明白多國語(yǔ)言的語(yǔ)音理解聲訊系統，以更為有效提升各行各業(yè)的客戶(hù)服務(wù)水準。　

4、旅游及運輸業(yè)

旅游及運輸業(yè)是另一個(gè)可受惠于采用言豐科技電話(huà)語(yǔ)音識別聲訊系統的行業(yè)。這行業(yè)每天也要處理大量來(lái)電，如一位旅客希望知道最新的天氣情況，又或是一些商人查詢(xún)最新的船期情況，旅游及運輸公司便可利用言豐科技電話(huà)語(yǔ)音識別聲訊系統有效的應付來(lái)電查詢(xún)。例如在航班查詢(xún)系統內，用戶(hù)只要說(shuō)出國家或城市名稱(chēng)就能得知有關(guān)的航班消息。

5．娛樂(lè )

言豐語(yǔ)音技術(shù)在娛樂(lè )方面，也可以激發(fā)出許多的新應用。例如，在通過(guò)電話(huà)進(jìn)行電視MTV點(diǎn)播時(shí)，可以避免重復地按電話(huà)上的按鍵，而是直接說(shuō)出哪個(gè)歌手的哪首歌，電視臺就接受語(yǔ)音輸入，而播放相應的曲目。

語(yǔ)音識別網(wǎng)絡(luò )系統的應用方案

語(yǔ)音識別系統的應用展望

現代科技的發(fā)展總是快過(guò)人類(lèi)的預期。以爆炸速度發(fā)展起來(lái)的因特網(wǎng)（Internet）的普及迅速改變了人類(lèi)的生活方式和生活質(zhì)量，引起世界各國的廣泛關(guān)注。信息交流的加快，導致企業(yè)競爭的加劇和服務(wù)意識增強。公共服務(wù)網(wǎng)絡(luò )系統是為廣大用戶(hù)服務(wù)而設計的計算機系統，因此，如何讓用戶(hù)能夠以最簡(jiǎn)單、最方便、最滿(mǎn)意的方式使用這些系統獲取信息，應是系統方案設計者首要考慮的問(wèn)題。從這個(gè)意義上講，計算機技術(shù)及其網(wǎng)絡(luò )系統的興起，將給公共語(yǔ)音識別系統的應用帶來(lái)廣闊的發(fā)展空間和市場(chǎng)前景，以"說(shuō)話(huà)"方式來(lái)操控計算機網(wǎng)絡(luò )系統將徹底改變人們幾十年形成的"按鍵"操控的傳統概念和習慣，使人重歸"自然"，輕松自由。專(zhuān)家預言，未來(lái)的計算機服務(wù)網(wǎng)絡(luò )系統與用戶(hù)終端接口都少不了"電話(huà)公共語(yǔ)音識別功能"，而電話(huà)就象計算機一樣是每個(gè)網(wǎng)絡(luò )系統必不可少的終端裝置。甚至可以說(shuō)，是否具有電話(huà)-公共語(yǔ)音識別功能將是衡量一個(gè)網(wǎng)絡(luò )系統水準和完整性的重要標志之一。　

由此可見(jiàn)，語(yǔ)音識別產(chǎn)品/系統將成為二十一世紀具有強有力市場(chǎng)競爭力的高技術(shù)產(chǎn)品。美國風(fēng)險投資家Ed. Paisley針對語(yǔ)音識別的市場(chǎng)前景說(shuō)過(guò)這樣一段話(huà)：未來(lái)技術(shù)投資中的"大事"就是語(yǔ)音識別，或許它將能夠與狂熱的Internet投資相抗衡。作為贏(yíng)家，語(yǔ)音識別將在新的市場(chǎng)中大出風(fēng)頭。　

金言豐語(yǔ)音技術(shù)供稿 CTI論壇編輯