互聯(lián)網(wǎng)周刊：當語(yǔ)音識別技術(shù)遇到網(wǎng)絡(luò )視頻
李洋 2007/10/30
當語(yǔ)音識別技術(shù)遇到互聯(lián)網(wǎng)，視頻搜索又有了新的可能。
計算機可以輕松處理文本，但對語(yǔ)音卻沒(méi)那么容易。在過(guò)去的20年里，研究人員一直在努力讓人和計算機搭上腔。語(yǔ)音識別技術(shù)因此變得成熟。現在，你已經(jīng)可以通過(guò)聲音來(lái)“命令”計算機做一些簡(jiǎn)單的操作，你所講的話(huà)也能夠被順利地識別為一段文字。而當視頻互聯(lián)網(wǎng)時(shí)代到來(lái)后，人們對語(yǔ)音技術(shù)又有了新的期望。
隨著(zhù)互聯(lián)網(wǎng)上音視頻文件的不斷增多，如何進(jìn)行準確的檢索成為一大難題。目前，大多數搜索引擎的做法是根據視音頻文件自帶的文字介紹，以及上下文環(huán)境來(lái)判斷；或者通過(guò)Web2.0常用的Tag（標簽）及朋友的推薦信息來(lái)確定視頻內容。但這些方式的缺點(diǎn)也像其優(yōu)點(diǎn)一樣顯而易見(jiàn)。一旦視頻名稱(chēng)或者文字信息不全面，就會(huì )使你跟很多精彩內容擦肩而過(guò)。
另一種做法是從內容和視覺(jué)方面做文章。比如，微軟亞洲研究院華先勝研究員的一項基于內容的視頻搜索技術(shù)，可以通過(guò)訓練計算機對內容場(chǎng)景進(jìn)行學(xué)習，從而能夠彌補上述的不足，搜索到視頻里面去。但這種方法在有些場(chǎng)合也有其局限性。比如，類(lèi)似《鏘鏘三人行》的談話(huà)類(lèi)節目，每期的場(chǎng)景和人物都相對固定，視頻內容提供的信息就非常有限了。而對于這類(lèi)以談話(huà)、評論或播報為主的節目來(lái)說(shuō)，利用語(yǔ)音識別技術(shù)針對語(yǔ)音內容進(jìn)行檢索，便成為一種更為有效的方法。
互聯(lián)網(wǎng)上的視頻、聲音質(zhì)量參差不齊，內容更是包羅萬(wàn)象，如果將傳統的語(yǔ)音識別技術(shù)直接應用于互聯(lián)網(wǎng)視頻搜索，識別準確性很低（通常只能達到50％～70％），而信息丟失率很高。因此，微軟亞洲研究院的余鵬研究員所在的研究小組提出了一項“詞格”索引技術(shù)。簡(jiǎn)單來(lái)說(shuō)，這項技術(shù)的原理就是在分析語(yǔ)音內容的時(shí)候為系統提供多個(gè)候選信息。據余鵬介紹，通過(guò)實(shí)驗得出的結論，這一方式可以將準確性提高50%～150%。
舉個(gè)例子。當我們識別“歡迎來(lái)到微軟研究院”這樣一段語(yǔ)音片段時(shí)，系統將會(huì )提供多個(gè)候選信息，“歡迎”可能是“幻影”，“來(lái)到”可能是“來(lái)道”，“微軟”也有可能是“未來(lái)”，“研究院”也可以分解產(chǎn)生“煙酒業(yè)”、“洋酒”、“眼鏡院”等多種候選信息。
被識別出的每個(gè)短詞都帶有起止的時(shí)間信息作為標識這一詞的節點(diǎn)。時(shí)間點(diǎn)接近的短詞便可以連接為一句話(huà)。比如上面的例子，除了出現正確的答案外，還可能會(huì )出現“幻影來(lái)到未來(lái)煙酒業(yè)”等多種可能的候選。
看到這里你可能會(huì )問(wèn)：“在如此多的候選句子中，系統會(huì )優(yōu)先選擇哪個(gè)識別結果呢？”實(shí)際上，對于每個(gè)識別出的短詞，這項技術(shù)還配有一個(gè)代表置信度的得分。而這個(gè)得分來(lái)自系統的概率統計，代表該詞成立的可能性。系統有“聲音”和“語(yǔ)言”兩個(gè)模型，分別從發(fā)聲和人類(lèi)語(yǔ)言習慣的角度來(lái)對計算機進(jìn)行訓練，使之可以在識別時(shí)做出基于概率統計的判斷。
如此一來(lái)，丟失率的問(wèn)題便獲得了很好的解決。同時(shí)，通過(guò)對時(shí)間節點(diǎn)接近的多候選信息采用類(lèi)似“合并同類(lèi)項”等優(yōu)化方法，可以剔除大批的冗余信息，從而可最終獲得較高的準確性和搜索效率。
而你能想象這項技術(shù)帶來(lái)的便捷嗎？你將再也不用花時(shí)間點(diǎn)擊每個(gè)視頻文件了—當你輸入一個(gè)關(guān)鍵詞，比如“北京奧運會(huì )”，系統給出的每個(gè)搜索結果中都會(huì )實(shí)時(shí)列出包含關(guān)鍵字的上下文。你可以以此來(lái)確認內容，也可以直接點(diǎn)擊其中標粗的關(guān)鍵字，位于搜索頁(yè)面右邊的播放器便會(huì )自動(dòng)轉到相關(guān)內容進(jìn)行播放。還記得上面提到的時(shí)間節點(diǎn)嗎？對，它存在的另一個(gè)意義便在于此。而你甚至還能從每個(gè)結果下方的音頻條，形象地了解這一關(guān)鍵詞在這段視頻中出現的位置和頻率。
互聯(lián)網(wǎng)周刊
相關(guān)鏈接:
亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩
上饶市|
东宁县|
绩溪县|
大方县|
灵寿县|
枣强县|
古蔺县|
禹城市|
双江|
武夷山市|
霍城县|
金乡县|
无极县|
九龙城区|
浦东新区|
利津县|
洛川县|
翼城县|
房产|
留坝县|
罗江县|
武平县|
漠河县|
拉孜县|
蒙山县|
凉城县|
石棉县|
桐城市|
盐边县|
黎城县|
丹江口市|
天镇县|
南乐县|
科技|
绥棱县|
溧水县|
仪征市|
尚志市|
泊头市|
太仆寺旗|
鞍山市|
http://444
http://444
http://444
http://444
http://444
http://444