語音應(yīng)用開財源

盧曉信、段云峰 2001/06/25

　　語音技術(shù)，雖然在國外出現(xiàn)得很早，但在國內(nèi)開始步入實用領(lǐng)域，還是最近的事情。這一方面是因為硬件處理能力的提高，另一方面也是因為漢語處理在技術(shù)上已經(jīng)有所突破。國外有資料顯示，語音技術(shù)在未來的幾年里，將以31%的年增長率進(jìn)行發(fā)展。

　　語音技術(shù)主要是指基于語音進(jìn)行處理的技術(shù)，主要包括：語音識別ASR、語音合成TTS等等。

　　語音技術(shù)進(jìn)入商用

　　語音技術(shù)開辟了一個如此巨大的應(yīng)用市場，那么目前的語音技術(shù)發(fā)展到何種程度了呢？

　　技術(shù)成熟進(jìn)入商用

　　在技術(shù)方面，英語的語音技術(shù)比漢語的語音技術(shù)的商用程度更廣，實用程度更好。國內(nèi)在漢語的語音技術(shù)方面，語音合成技術(shù)比較成熟，已經(jīng)達(dá)到了商用的標(biāo)準(zhǔn)。而在語音識別方面，雖然已經(jīng)有一些產(chǎn)品開始投入商用，但還有很多的技術(shù)問題要解決。

　　廠家眾多

　　由于語音技術(shù)不僅要涉及到軟件算法，而且也要涉及到硬件的實現(xiàn)技術(shù)問題，因此，目前的語音技術(shù)廠家，也分為幾類。

　　有的是從傳統(tǒng)的CTI語音板卡廠商的角度，在產(chǎn)品中增加語音處理功能，國內(nèi)像深圳東進(jìn)技術(shù)、飛環(huán)，國外NMS、Intel通信產(chǎn)品事業(yè)部的Dialogic板卡；有的完全是語音技術(shù)的科研機(jī)構(gòu)，根據(jù)自己的研究成果，進(jìn)行產(chǎn)品化，例如中國科技大學(xué)的訊飛公司、清華大學(xué)的人機(jī)交互與媒體集成研究所等。在語音識別方面，國外的IBM、飛利浦、Nuance等公司，均有相關(guān)的產(chǎn)品；國內(nèi)的有香港的InfoTalk、捷通等。

　　在語音合成方面，能夠提供產(chǎn)品的公司就十分多了，有的產(chǎn)品是用軟件來實現(xiàn)，有的專門設(shè)計了硬件芯片。

　　促進(jìn)網(wǎng)絡(luò)的融合

　　語音技術(shù)的發(fā)展，帶動了網(wǎng)絡(luò)的融合過程。目前，世界上的兩大通信網(wǎng)絡(luò)是電信網(wǎng)和計算機(jī)網(wǎng)，電信網(wǎng)絡(luò)是以語音信號為處理對象，計算機(jī)網(wǎng)絡(luò)則是以數(shù)據(jù)對象為其處理內(nèi)容。而語音技術(shù)為兩個網(wǎng)絡(luò)的結(jié)合，奠定了技術(shù)基礎(chǔ)。

　　在為用戶服務(wù)的過程中，兩種網(wǎng)絡(luò)分別扮演不同的角色。

　　語音接入通過PSTN

　　目前，人們進(jìn)行信息交流的主要方式，還是通過電話網(wǎng)。用戶可以通過撥打一個電話號碼，接入到信息訪問中心。

　　語音處理依靠計算機(jī)網(wǎng)絡(luò)

　　計算機(jī)網(wǎng)絡(luò)最大的優(yōu)點是處理信息的能力十分強(qiáng)大。因此，采用語音技術(shù)，計算機(jī)就可以讀懂用戶想要哪方面的信息，并自動尋找該信息，然后，通過語音技術(shù)將信息以語音的形式回放給用戶。

　　這就形成了一個理想的網(wǎng)絡(luò)信息訪問模式，電話網(wǎng)絡(luò)負(fù)責(zé)語音接入，計算機(jī)網(wǎng)絡(luò)負(fù)責(zé)信息的處理。

　　開辟新應(yīng)用

　　語音技術(shù)的應(yīng)用十分廣泛。

　　金融方面

　　采用了語音技術(shù)后，通過電話，不用人工的干預(yù)，就可以進(jìn)行賬戶余額查詢，完成賬戶間的轉(zhuǎn)賬等工作。不僅提高了工作的效率，也改善了服務(wù)的形象。

　　證券方面

　　用戶通過電話可以查詢當(dāng)前的股市情況，不用再按電話上的按鍵，而是直接說出自己關(guān)心的股票的名稱，例如“深發(fā)展”，然后計算機(jī)就通過語音合成技術(shù)，將結(jié)果播報出來。這樣，用戶就不用記那些股票號碼了。

　　電信方面

　 采用語音技術(shù)，在電信業(yè)務(wù)中將產(chǎn)生很多的應(yīng)用。例如在“114”電話黃頁中，目前還要有大量的人工服務(wù)，而如果采用語音技術(shù)，就可以不用人工服務(wù)，讓計算機(jī)自動接聽用戶的需要，然后回放查詢的電話號碼。

　　旅游方面

　　用戶可以通過電話，自動查詢那些感興趣的景點的語音介紹材料，相當(dāng)于請了一個電話導(dǎo)游。而且出現(xiàn)問題時，也可以通過電話，進(jìn)行各種求助。

　　尋呼方面

　　尋呼目前還是通過尋呼小姐記下用戶要尋呼的目標(biāo)號碼，然后將內(nèi)容輸入到尋呼系統(tǒng)進(jìn)行發(fā)射。采用語音技術(shù)后，可以讓計算機(jī)自動地進(jìn)行整個操作過程。

　　娛樂方面

　　語音技術(shù)在娛樂方面，也可以激發(fā)出許多的新應(yīng)用。例如，在通過電話進(jìn)行電視MTV點播時，可以避免重復(fù)地按電話上的按鍵，而是直接說出哪個歌手的哪首歌，電視臺就接受語音輸入，而播放相應(yīng)的曲目。

　　面臨問題

　　可以看到，將來成熟的語音技術(shù)將會帶來巨大的影響，但目前的語音技術(shù)還存在著一些問題，而且，單靠語音技術(shù)也是不夠的，要和其他領(lǐng)域的知識進(jìn)行結(jié)合，才能產(chǎn)生豐富的應(yīng)用。

　　語音識別技術(shù)方面

　　目前，在漢語方面，語音合成的技術(shù)已經(jīng)達(dá)到了實用階段，但在語音識別方面，還有很多問題要解決。

　　用戶的獨立性問題：就是如何識別不同嗓音和口音的用戶，而無需通過軟件訓(xùn)練來實現(xiàn)。

　　自然語音理解能力：能夠直接了解用戶的需要，就像人一樣，可以通過幾個簡單縮語，就可以明白對方的想法。

　　插入處理能力：插入能力允許用戶在系統(tǒng)提示時中斷系統(tǒng)，但系統(tǒng)仍然能夠知道用戶的請求。

　　聲紋識別問題：每個人的聲音都有一定的特點，是否也能夠像識別指紋一樣，識別聲紋呢？這樣許多鑒權(quán)應(yīng)用將十分簡單。

　　業(yè)務(wù)策略方面

　　業(yè)務(wù)的應(yīng)用情況，也取決于業(yè)務(wù)的管理水平，業(yè)務(wù)的營銷能力、服務(wù)水平、售后能力等因素，也同樣制約著最終業(yè)務(wù)的應(yīng)用情況。

摘自《中國計算機(jī)報》