語(yǔ)音識別新天地

雅文

　　語(yǔ)音識別技術(shù)一直是計算機領(lǐng)域研究的重點(diǎn)。IBM ViaVoice Telephony技術(shù)是IBM公司的中文ViaVoice語(yǔ)音識別技術(shù)在電話(huà)通信領(lǐng)域中的延伸和發(fā)展，它提供了一個(gè)開(kāi)放式的語(yǔ)音識別引擎和一系列應用工具，使得語(yǔ)音識別功能可以被方便快速地集成到電話(huà)系統中。

　　具體說(shuō)來(lái)，普通話(huà)ViaVoice Telephony技術(shù)的特點(diǎn)包括：1、與說(shuō)話(huà)人無(wú)關(guān)，任何人都可以使用；2、高識別率，內部的語(yǔ)音識別引擎是使用真實(shí)的電話(huà)信道語(yǔ)音數據訓練得到的，在正常的電話(huà)信道（包括普通電話(huà)和手機）的噪音下具有很高的識別率；3、無(wú)限詞匯量，由于語(yǔ)音識別內核是比音節還要小的單元，所以對于開(kāi)發(fā)人員定義的任何詞表，它都可以很好地辨識；4、連續發(fā)音，使用者不需要在詞匯間有任何停頓，可以同系統連續交談；5、多語(yǔ)種支持，除了支持中文普通話(huà)和粵語(yǔ)之外，系統同時(shí)支持美國英語(yǔ)、英國英語(yǔ)、法語(yǔ)和德語(yǔ)；6、多候選集的輸出，可以輸出不同候選結果的相似度得分；7、支持聲學(xué)加詞，說(shuō)話(huà)人只需輸入語(yǔ)音信號即可完成加詞；8、支持動(dòng)態(tài)加詞，系統在運行狀態(tài)下也可以動(dòng)態(tài)地擴大可識別的詞匯集；9、支持語(yǔ)音合成，高自然度、高清晰度、高可懂度的文語(yǔ)轉換系統是普通話(huà)ViaVoice Telephony技術(shù)的重要構件；10、信道自適應，系統可以自動(dòng)適應不同信噪比的電話(huà)信道；11、與硬件無(wú)關(guān)的標準C/C++接口，可讓系統方便地掛接語(yǔ)音識別和語(yǔ)音合成引擎；12、自然語(yǔ)言理解模塊，提供更加人性化的人機對話(huà)接口；13、出色的可伸縮性，提供從小型辦公室到企業(yè)級電話(huà)語(yǔ)音系統解決方案，并提供全自動(dòng)的動(dòng)態(tài)負載平衡。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(yǔ)音識別的電話(huà)應用領(lǐng)域積累了多年的經(jīng)驗和技術(shù)。該項技術(shù)提供的語(yǔ)音識別引擎和語(yǔ)音合成引擎可以客戶(hù)機/服務(wù)器的方式同IVR（Interactive Voice Responding）系統對話(huà)，共同組成一個(gè)先進(jìn)的和智能化的分布式電話(huà)語(yǔ)音系統，支持單機和多機模式。

　　同時(shí)，IBM ViaVoice電話(huà)語(yǔ)音內核和工具庫還為開(kāi)發(fā)人員提供了開(kāi)發(fā)電話(huà)語(yǔ)音識別應用程序的工具。其中，前者為應用程序提供了運行平臺；后者則為開(kāi)發(fā)和測試應用程序提供了一套實(shí)用程序。該工具庫對Tcl/Tk腳本語(yǔ)言進(jìn)行了擴展，簡(jiǎn)化了應用程序的開(kāi)發(fā)和定制過(guò)程，并提供了與硬件無(wú)關(guān)的語(yǔ)音識別和語(yǔ)音合成引擎的C/C++接口，使得開(kāi)發(fā)人員可以開(kāi)發(fā)面向對象的解決方案。工具庫中還包括了兩個(gè)示例程序，可以幫助用戶(hù)理解如何將語(yǔ)音識別集成到電話(huà)語(yǔ)音應用程序中。另外，軟件中還附帶了幾個(gè)實(shí)用程序，來(lái)協(xié)助開(kāi)發(fā)人員開(kāi)發(fā)、測試和管理電話(huà)語(yǔ)音識別應用程序。

　　普通話(huà)ViaVoice Telephony技術(shù)具有廣泛的應用前景，任何VRU（Voice Responding Unit）應用都可以同語(yǔ)音識別功能相結合，提供人性化的交互界面。不久前，我們杭州三匯數字信息技術(shù)有限公司和IBM公司就關(guān)于ViaVoice Telephony的應用簽訂了合作協(xié)議，從而使得我公司成為率先應用這一新技術(shù)的國內語(yǔ)音卡生產(chǎn)商及ISV。在與ViaVoice Telephony技術(shù)結合之后，我公司開(kāi)發(fā)生產(chǎn)的語(yǔ)音卡可以徹底解決以前按鍵無(wú)法解決的地名、人名、股票名稱(chēng)等漢字詞語(yǔ)輸入問(wèn)題，且具備高識別率、無(wú)限詞匯量、連續發(fā)音、與說(shuō)話(huà)人無(wú)關(guān)等特點(diǎn)。目前，我公司已成功地完成了股票語(yǔ)音查詢(xún)系統、機器人接線(xiàn)員、鐵路自動(dòng)票務(wù)中心、民航語(yǔ)音呼叫中心、郵政184自動(dòng)查詢(xún)系統等項目。其中，江蘇省諫壁電廠(chǎng)經(jīng)過(guò)嚴格測試，已決定使用機器人總機接線(xiàn)員，任何人都可以通過(guò)有線(xiàn)或無(wú)線(xiàn)電話(huà)用自然語(yǔ)言直接叫機器人接線(xiàn)員接通某人的手機、辦公室或家庭電話(huà)。

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

摘自《中國計算機用戶(hù)》2000年1月31日