不僅是技術(shù)—語(yǔ)音門(mén)戶(hù)專(zhuān)題系列(一)

核心技術(shù)與流程設計 語(yǔ)音門(mén)戶(hù)的兩扇門(mén)

郭連頗 2002/01/30

語(yǔ)音識別是關(guān)鍵

　　語(yǔ)音識別技術(shù)是語(yǔ)音門(mén)戶(hù)的核心技術(shù)，掌握好這項技術(shù)，是語(yǔ)音門(mén)戶(hù)獲得成功的第一步。

　　1．識別引擎

　　語(yǔ)音識別引擎是語(yǔ)音門(mén)戶(hù)的核心。語(yǔ)音識別引擎不僅要聽(tīng)懂用戶(hù)的語(yǔ)音，還要完成語(yǔ)言理解、語(yǔ)法分析、對話(huà)（包括人機對話(huà)和流程）控制和語(yǔ)音輸出等工作。識別引擎可以識別不同的語(yǔ)言，但需要不同的語(yǔ)音庫來(lái)支持。例如，在同一個(gè)引擎下，外掛中文或英文語(yǔ)音庫就可以識別中文或英文語(yǔ)音。

　　語(yǔ)音識別技術(shù)的成熟和商品化，依賴(lài)于軟件算法的進(jìn)步，更依賴(lài)于硬件性能的提高。20世紀90年代末，計算機硬件性能的飛速提高和價(jià)格的急劇降低，使語(yǔ)音識別技術(shù)從實(shí)驗室走向了市場(chǎng)。

　　識別率是語(yǔ)音識別引擎成功與否的關(guān)鍵，為了在電信網(wǎng)絡(luò )上提高識別率，要有針對性地處理以下問(wèn)題：

　　（1） 回聲：在電信系統中，語(yǔ)音傳輸過(guò)程中的回聲將極大地影響識別率。要將回聲抑制掉，必須在硬件和軟件上對信號進(jìn)行處理。

　　（2） 噪聲：包括用戶(hù)環(huán)境噪聲和系統中的電子噪聲，前者需要語(yǔ)音識別引擎軟件來(lái)處理，后者一般由硬件處理。

　　（3） 語(yǔ)音中斷：用戶(hù)不必聽(tīng)完系統播報，可以隨時(shí)說(shuō)出新的服務(wù)需求，系統將中斷播報，并為用戶(hù)提供新的服務(wù)。目前，主流的語(yǔ)音卡都提供了語(yǔ)音中斷功能。為達到更好的效果，識別引擎還必須提供專(zhuān)門(mén)的接口，以保證兩者能夠更好地結合。

　　2．自然語(yǔ)言處理

　　只有提供自然語(yǔ)言識別功能，語(yǔ)音門(mén)戶(hù)的用戶(hù)才能享受到親切、快捷的服務(wù)。在一些復雜應用中（如查詢(xún)航班/火車(chē)時(shí)刻表，股票買(mǎi)賣(mài)等），采用自然語(yǔ)言對話(huà)，才能發(fā)揮出其替代按鍵的優(yōu)勢。除了識別引擎要具備自然語(yǔ)言理解能力外，在應用開(kāi)發(fā)中也有大量的工作要做。

　　自然語(yǔ)音識別技術(shù)使計算機能夠聽(tīng)懂和理解人的語(yǔ)言，用戶(hù)不必用固定的語(yǔ)序講話(huà)。系統能夠幫助用戶(hù)明確其需求，并提供準確的服務(wù)。系統應該能夠聽(tīng)懂自然的語(yǔ)言，并到數據庫查詢(xún)出信息，再播報給用戶(hù)。對于一些不太規范的語(yǔ)句，系統同樣應該聽(tīng)懂，并逐步引導用戶(hù)，以便向用戶(hù)提供服務(wù)，這才是真正的自然語(yǔ)言識別。目前，有一些承諾提供自然語(yǔ)言識別的系統，往往要求用戶(hù)一次說(shuō)清全部需求，這不是真正的自然語(yǔ)言識別，在現實(shí)應用中，也是無(wú)法使用的。

　　3．TTS

　　TTS是語(yǔ)音門(mén)戶(hù)中的一個(gè)重要技術(shù)，它提供了系統向用戶(hù)輸出的語(yǔ)音界面。

　　與拼音文字不同，中文的“詞”由一個(gè)或多個(gè)漢字組合而成，如何斷詞并正確地發(fā)音，需要有一個(gè)非常大的、及時(shí)更新的詞庫來(lái)支持，還需要對上下文進(jìn)行判斷。因此，中文TTS的開(kāi)發(fā)難度要比英文大得多。

　　經(jīng)過(guò)長(cháng)期研究，中文TTS取得了非常大的進(jìn)步，也有了一些專(zhuān)門(mén)支持電信級應用的系統。在現有的技術(shù)水平下，TTS能夠滿(mǎn)足一般的閱讀要求。但讀時(shí)事新聞、電子郵件（尤其是包含許多縮略語(yǔ)和中外文混合的文本）和文學(xué)作品時(shí)，其效果還不能令人滿(mǎn)意。

　　要判斷TTS的水平，不要用開(kāi)發(fā)商提供的樣本，也不要讓開(kāi)發(fā)商代勞輸入漢字，建議用戶(hù)隨意摘錄網(wǎng)上的新聞，直接粘貼到TTS文本窗口中，然后直接進(jìn)行測試。TTS是給普通用戶(hù)聽(tīng)的，不是給專(zhuān)家聽(tīng)的，其直觀(guān)的效果最重要。

流程是人性化服務(wù)的保證

　　流程設計是質(zhì)量控制的核心，即使語(yǔ)音識別的準確率再高，也不可能達到100%。因此，設計一個(gè)好的流程來(lái)幫助和引導用戶(hù)，并克服語(yǔ)音識別的新問(wèn)題，是提高語(yǔ)音門(mén)戶(hù)服務(wù)質(zhì)量的核心。同時(shí)，一個(gè)好的流程，也是為運營(yíng)商創(chuàng )造價(jià)值的基礎。

　　1．有別于IVR的流程

　　受電話(huà)按鍵的束縛，傳統的按鍵信息服務(wù)系統（IVR）必須把各種服務(wù)分成多層，或者開(kāi)設多個(gè)電話(huà)號碼。

　　（1）新的“層”概念

　　由于引入了自然語(yǔ)言識別技術(shù)，在語(yǔ)音門(mén)戶(hù)中，“層”被授予了新的內容。它不是一個(gè)機械的分類(lèi)標準，而是幫助用戶(hù)的導航界面。它將引導新用戶(hù)一步步接近目標，并幫助老用戶(hù)直接達到目標。語(yǔ)音門(mén)戶(hù)可以在原有結構的技術(shù)上引入語(yǔ)音導航，也可以打破原有結構，建立新的、更適用于語(yǔ)音導航的流程。

　　（2）實(shí)現任意跳轉

　　傳統的IVR系統中，如果用戶(hù)通過(guò)多次按鍵，進(jìn)入了某項服務(wù)，就很難訪(fǎng)問(wèn)另一個(gè)服務(wù)。這時(shí)，用戶(hù)要么必須根據系統提示，逐層返回、逐層進(jìn)入；要么已經(jīng)在系統中迷路，無(wú)法進(jìn)入其他路徑，只能掛斷電話(huà)，再次撥入。而語(yǔ)音導航能夠聽(tīng)懂用戶(hù)的需求，可直接跳入另一欄目或服務(wù)，不必逐層返回和進(jìn)入。

　　2．語(yǔ)言學(xué)處理

　　語(yǔ)言是“活”的，因此，語(yǔ)音門(mén)戶(hù)也必須能夠靈活地處理用戶(hù)需求。

　　（1）多音詞和同義詞：系統必須能夠自動(dòng)處理多音詞/字和同義詞，才能滿(mǎn)足不同的客戶(hù)需求，保證識別率和服務(wù)品質(zhì)。

　　（2）無(wú)義詞：系統必須能夠自動(dòng)過(guò)濾沒(méi)有意義的詞/字，減少對用戶(hù)的約束，提高人機對話(huà)的自然度。

　　（3）口音適應：中國地域廣大，人口眾多，方言和口音十分復雜。因此，除為特定區域的用戶(hù)提供專(zhuān)用的語(yǔ)言引擎外，普通話(huà)引擎要適應帶有一定口音的用戶(hù)。系統集成商還需要根據使用情況對系統進(jìn)行調整，建立自學(xué)系統，不斷提高系統的識別率。

　　3．人性化提示和錯誤處理

　　（1）不同的提示和幫助：要根據不同的情景提供提示和幫助界面，如，有時(shí)需要嚴肅，有時(shí)需要活潑。

　　（2）人性化引導：要提供人性化的提示和引導，才能發(fā)揮語(yǔ)音導航和服務(wù)的優(yōu)勢。

　　（3）錯誤處理：在聽(tīng)覺(jué)上，機器不如真實(shí)的人，不可能有100%的識別率。如何處理錯誤，讓用戶(hù)理解并愉快地接受，就需要制定錯誤處理原則并靈活地運用技巧。基本的系統應該對用戶(hù)沒(méi)有講話(huà)、用戶(hù)講錯了話(huà)、系統只聽(tīng)懂一部分等現象具有判斷能力。

語(yǔ)音門(mén)戶(hù)的弱點(diǎn)

　　語(yǔ)音門(mén)戶(hù)不是萬(wàn)能的，它在一段時(shí)間內沒(méi)有得到大面積的普及和推廣，是由于其自身尚存在著(zhù)一些弱點(diǎn)，其中，主要是信息量有限的問(wèn)題。

　　語(yǔ)音門(mén)戶(hù)主要提供語(yǔ)音服務(wù)，但聽(tīng)覺(jué)能夠接收的信息量是有限的，遠遠小于視覺(jué)能夠提供的信息量。有些語(yǔ)音服務(wù)，如讀E-mail、語(yǔ)音上網(wǎng)等，僅僅是應急時(shí)的需要，不能替代傳統的電子郵件和瀏覽器。同時(shí)，并不是所有的信息發(fā)布和服務(wù)都適用于語(yǔ)音門(mén)戶(hù)，那些信息量大、更適合視覺(jué)瀏覽的信息就不適用于語(yǔ)音門(mén)戶(hù)。

計算機世界報 2002/01/30