語(yǔ)音合成技術(shù): 啟動(dòng)“第三種引擎”

2002/04/02

　　對(duì)于中英文混合的語(yǔ)音合成問(wèn)題，傳統(tǒng)的解決方案是采用中文和英文兩種合成引擎。合成時(shí)先將中英文文本進(jìn)行分離，然后在不同的引擎下分別進(jìn)行合成，最后將合成數(shù)據(jù)匯集輸出。這種合成方法存在著中英文不同音、銜接部分跳躍大等弊端。另外，如果在傳統(tǒng)的單一語(yǔ)種（如中文、英文等）語(yǔ)音合成方法的基礎(chǔ)上開發(fā)不同語(yǔ)種的語(yǔ)音合成系統(tǒng)，可行性不大。

　　為了解決這個(gè)問(wèn)題，科大訊飛公司將中英文混雜的文本作為“第三種語(yǔ)言”進(jìn)行專門研究，并建立了一套綜合考慮中英文混合情況的文本分析體系和韻律規(guī)則模型。根據(jù)這個(gè)開發(fā)思路，訊飛InterPhonic C&E Rev 1.0語(yǔ)音平臺(tái)系統(tǒng)應(yīng)運(yùn)而生，成為了語(yǔ)音合成技術(shù)的“第三種引擎”。

系統(tǒng)的五項(xiàng)技術(shù)創(chuàng)新

　�。�1） 多語(yǔ)種文本分析體系

　　該平臺(tái)可同時(shí)對(duì)純中文、純英文或是中英文混合的文本進(jìn)行相應(yīng)的處理。該分析體系具有完備的文本分析知識(shí)庫(kù)，并在人名識(shí)別規(guī)則、多音字處理規(guī)則、特殊符號(hào)處理規(guī)則的積累等方面具有優(yōu)勢(shì)。

　�。�2） 先進(jìn)的語(yǔ)言學(xué)層次結(jié)構(gòu)體系

　　該系統(tǒng)將國(guó)內(nèi)最新的漢語(yǔ)連續(xù)語(yǔ)流標(biāo)注體系CToBI進(jìn)行工程化應(yīng)用，可以準(zhǔn)確地對(duì)連續(xù)語(yǔ)流中不同層次的語(yǔ)言現(xiàn)象進(jìn)行描述；同時(shí)采用先進(jìn)的漢語(yǔ)語(yǔ)音韻律描述體系，提高了系統(tǒng)的整體語(yǔ)音效果。

　�。�3） 基于數(shù)據(jù)統(tǒng)計(jì)和人工智能的韻律模型構(gòu)架

　　該系統(tǒng)基于先進(jìn)的大語(yǔ)種庫(kù)語(yǔ)音合成方法，進(jìn)行了超大規(guī)模的自然語(yǔ)流數(shù)據(jù)庫(kù)的制作，并以此作為數(shù)據(jù)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的訓(xùn)練數(shù)據(jù)，建立了較為完善的基頻、時(shí)長(zhǎng)、能量、停頓模型。

　�。�4） 具備改進(jìn)型PSOLA算法的韻律調(diào)整功能

　　采用最先進(jìn)的PSOLA語(yǔ)音算法工具，使得系統(tǒng)在語(yǔ)速調(diào)整和運(yùn)行穩(wěn)定性等方面有更優(yōu)秀的表現(xiàn)。

　�。�5）高自然度、高流暢度的語(yǔ)音合成效果

　　據(jù)權(quán)威機(jī)構(gòu)評(píng)測(cè)，該系統(tǒng)針對(duì)新聞等不同文體的文本合成，均可達(dá)到4.3分（5分制）的自然度，能夠適應(yīng)多語(yǔ)種文本的語(yǔ)音合成場(chǎng)合。

系統(tǒng)的多行業(yè)應(yīng)用

　�。�1）電信業(yè)

　　除了能夠完成電信業(yè)原有的114查號(hào)系統(tǒng)、話費(fèi)查詢、話費(fèi)催繳、代繳以及電信法規(guī)、業(yè)務(wù)咨詢等基本業(yè)務(wù)，還可以使電信運(yùn)營(yíng)商能夠搭建各種電話信息應(yīng)用平臺(tái)，提供諸如預(yù)訂業(yè)務(wù)、大眾呼叫等多項(xiàng)增值服務(wù)。

　�。�2）證券業(yè)

　　可以通過(guò)清晰自然的語(yǔ)音實(shí)現(xiàn)個(gè)人信息（包括資金、股份、委托情況、成交情況等）、股市行情（包括股票行情、指數(shù)、指標(biāo)等）以及股評(píng)與業(yè)績(jī)報(bào)告的實(shí)時(shí)查詢，將證券業(yè)務(wù)拓展到通信網(wǎng)上。

　�。�3）銀行業(yè)

　　可使銀行業(yè)客服中心實(shí)現(xiàn)賬戶資料查詢、歷史記錄查詢、利率匯率實(shí)時(shí)查詢等多項(xiàng)動(dòng)態(tài)查詢業(yè)務(wù)，同時(shí)可以幫助電話銀行擴(kuò)展自動(dòng)服務(wù)的業(yè)務(wù)種類。

　�。�4）保險(xiǎn)業(yè)

　　能夠提供公司的公共信息、客戶保單信息、業(yè)務(wù)員認(rèn)證信息的動(dòng)態(tài)查詢服務(wù)，改變了目前保險(xiǎn)業(yè)客服中心可操作性差的弱點(diǎn)。

　�。�5）電力行業(yè)

　　可以向用戶提供業(yè)務(wù)受理進(jìn)程查詢、電費(fèi)額明細(xì)查詢、電費(fèi)催繳、故障通知及其他各類信息咨詢，并可在此基礎(chǔ)上，利用已有的資源開展外包業(yè)務(wù)。

　�。�6）郵政行業(yè)

　　可以幫助郵政客戶服務(wù)中心以一個(gè)統(tǒng)一的服務(wù)平臺(tái)面向用戶，融合包括郵政金融、郵政特快、報(bào)刊發(fā)行、集郵等在內(nèi)的各項(xiàng)郵政服務(wù)，為用戶提供咨詢、查詢、受理以及投訴等多項(xiàng)業(yè)務(wù)。

　　此外，采用語(yǔ)音合成技術(shù)可以改變?cè)新曈嵠脚_(tái)服務(wù)種類單一的弱點(diǎn)，開展諸如考試查分、廣播電視節(jié)目的動(dòng)態(tài)查詢、節(jié)目的實(shí)時(shí)點(diǎn)播與點(diǎn)評(píng)、電話學(xué)位防偽查詢系統(tǒng)、電話產(chǎn)品防偽等業(yè)務(wù)。（科大訊飛公司供稿）

計(jì)算機(jī)世界報(bào)　2002/04/02