>>

語(yǔ)音技術(shù)，雖然在國(guó)外出現(xiàn)得很早，但在國(guó)內(nèi)開始步入實(shí)用領(lǐng)域，還是最近的事情。尤其是語(yǔ)音技術(shù)在智能電話系統(tǒng)中的應(yīng)用，國(guó)外已經(jīng)有了不少較大規(guī)模的語(yǔ)音識(shí)別IVR系統(tǒng)或者呼叫中心的應(yīng)用，然而在國(guó)內(nèi)，雖然有將語(yǔ)音識(shí)別和呼叫中心結(jié)合起來的趨勢(shì)，但仍沒有多少應(yīng)用。目前電話高度普及，如果通過最便捷的電話方式就能查詢到所需信息，無疑將給人們的日常生活帶來極大方便。雖然影響語(yǔ)音技術(shù)在電話系統(tǒng)中應(yīng)用的因素很多，但重要的一點(diǎn)就是漢語(yǔ)語(yǔ)音識(shí)別技術(shù)還不夠完善。

基于電話的語(yǔ)音識(shí)別技術(shù)與基于電腦的有很多不同之處。電腦錄入使用的是非自然語(yǔ)言，而電話是自然語(yǔ)言。要做好對(duì)電話語(yǔ)音的識(shí)別，就需要系統(tǒng)能夠?qū)δ信�老少，甚至是帶有一些地方口音的各種語(yǔ)言進(jìn)行識(shí)別。并且，電話語(yǔ)音識(shí)別系統(tǒng)必須具有處理插入的能力。即允許用戶在系統(tǒng)提示時(shí)中斷系統(tǒng)，但系統(tǒng)依然能知道用戶的請(qǐng)求。因?yàn)槿藗冊(cè)谡f話時(shí)，總是在不自覺地思考，經(jīng)常會(huì)打斷語(yǔ)言的連續(xù)性，而插入一些補(bǔ)充性的語(yǔ)言。這樣的語(yǔ)言，在語(yǔ)法上來說經(jīng)常是不正確的，常規(guī)的語(yǔ)音識(shí)別系統(tǒng)很難處理這些語(yǔ)音。

經(jīng)過多年的研究，IBM公司已經(jīng)突破了漢語(yǔ)語(yǔ)音識(shí)別技術(shù)上的重重難關(guān)，為智能電話系統(tǒng)提供了IBM ViaVoice Telephony電話語(yǔ)音系統(tǒng)開發(fā)工具。作為IBM公司中文語(yǔ)音識(shí)別技術(shù)的最新成果，IBM ViaVoice Telephony電話語(yǔ)音系統(tǒng)開發(fā)工具提供了一個(gè)開放式的電話語(yǔ)音識(shí)別引擎和完善的應(yīng)用開發(fā)環(huán)境，使語(yǔ)音功能可以方便快捷地被集成到電話系統(tǒng)中，為網(wǎng)上聲訊服務(wù)、電子商務(wù)，以及涉及電話通信的應(yīng)用系統(tǒng)提供語(yǔ)音交互界面。

IBM ViaVoice Telephony中文電話語(yǔ)音技術(shù)是IBM ViaVoice中文語(yǔ)音識(shí)別技術(shù)在電話通信領(lǐng)域中的延伸和發(fā)展。它的語(yǔ)音識(shí)別引擎采用實(shí)際電話信道的語(yǔ)音樣本，對(duì)于普通電話和移動(dòng)電話均能獲得很高的識(shí)別率。由于語(yǔ)音識(shí)別引擎沒有特定授話人的限制，任何能講標(biāo)準(zhǔn)漢語(yǔ)普通話的人都可以使用。并且電話語(yǔ)音的應(yīng)用不但可以運(yùn)行在單機(jī)系統(tǒng)上，更可以擴(kuò)展為多引擎、多服務(wù)器的大型企業(yè)級(jí)應(yīng)用，動(dòng)態(tài)的負(fù)載平衡能力可以令系統(tǒng)時(shí)刻保持最優(yōu)的效能。

同時(shí)，IBM ViaVoice Telephony 電話語(yǔ)音系統(tǒng)開發(fā)工具庫(kù)還為程序員開發(fā)和測(cè)試電話語(yǔ)音識(shí)別應(yīng)用程序提供了一套完善的實(shí)用程序。該工具庫(kù)對(duì)TCL/TK腳本語(yǔ)言進(jìn)行了擴(kuò)展，簡(jiǎn)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(yǔ)音識(shí)別和語(yǔ)音合成引擎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(kù)中還包括了若干示例程序，可以幫助用戶理解如何將語(yǔ)音識(shí)別集成到電話語(yǔ)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(cè)試和管理電話語(yǔ)音識(shí)別應(yīng)用程序。

通過IBM ViaVoice Telephony電話語(yǔ)音識(shí)別技術(shù)，在許多領(lǐng)域已可以很方便的實(shí)現(xiàn)人機(jī)語(yǔ)音自動(dòng)交互服務(wù)，例如：信息查詢，尋呼臺(tái)、電話轉(zhuǎn)接中心；金融領(lǐng)域，如家庭銀行或股票信息查詢；旅游服務(wù)領(lǐng)域，如飛機(jī)定票或旅館預(yù)定，等。另外隨著互聯(lián)網(wǎng)的迅猛發(fā)展，電話輕松上網(wǎng)獲取信息，更是廣大用戶的迫切希望。通過電話上網(wǎng)，用戶只需說出想得到的網(wǎng)上信息，機(jī)器自動(dòng)識(shí)別，將用戶的請(qǐng)求送到互聯(lián)網(wǎng)上，并把返回的相關(guān)信息用語(yǔ)音合成技術(shù)回放給用戶，提供人性化的語(yǔ)音應(yīng)答交互界面。

目前，基于IBM電話語(yǔ)音技術(shù)，tom.com開發(fā)了第一個(gè)商用中文語(yǔ)音門戶——Tom及時(shí)語(yǔ)（http://cn.tom.com/tomvoice）。通過電話語(yǔ)音識(shí)別技術(shù)，可以使用戶用電話訪問原來只能通過因特網(wǎng)或內(nèi)部網(wǎng)的應(yīng)用；在任何時(shí)間，任何地點(diǎn)快速便捷獲取所需信息和進(jìn)行在線交易。

隨著中文電話語(yǔ)音應(yīng)用的推廣和深入,針對(duì)實(shí)際應(yīng)用的需求，一系列新技術(shù)被開發(fā)出來。例如，關(guān)鍵詞辯識(shí)技術(shù)可使用戶更加自然地和遠(yuǎn)端服務(wù)器交互；針對(duì)字母及數(shù)字串專用聲學(xué)模型的建立，為在線語(yǔ)音驅(qū)動(dòng)的電子商務(wù)、個(gè)性化信息服務(wù)提供了有力的保證；針對(duì)許多應(yīng)用中有中英文混合使用的情況，開發(fā)了同時(shí)支持普通話、臺(tái)灣普通話、粵語(yǔ)和英語(yǔ)的混合語(yǔ)音技術(shù)，進(jìn)一步拓展了應(yīng)用的廣度。

相信，隨著IBM ViaVoice Telephony技術(shù)在通訊、金融、旅游以及醫(yī)療等領(lǐng)域的進(jìn)一步推廣和應(yīng)用，將會(huì)給人們的工作和生活帶來質(zhì)的變化。有專家預(yù)測(cè)，隨著技術(shù)的快速發(fā)展，再過10～20年的時(shí)間，我們將可以做到非常自然的人機(jī)交互式對(duì)話。那時(shí)，人們的生活必將更加多姿多彩。

IBM供稿 CTI論壇編輯