鄭方，1967年生于江蘇省，獲清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)學(xué)士、碩士及博士學(xué)位。現(xiàn)為清華大學(xué)副教授，清華－adidsp技術(shù)研究中心主任及語(yǔ)音實(shí)驗(yàn)室主任。鄭方作為主要承擔(dān)者或負(fù)責(zé)人參與了許多語(yǔ)音識(shí)別領(lǐng)域的國(guó)家重點(diǎn)攻關(guān)項(xiàng)目和863高科技項(xiàng)目并多次獲獎(jiǎng)。另外，他還負(fù)責(zé)開發(fā)了若干基于ti和adi的dsp語(yǔ)音識(shí)別產(chǎn)品。他的專業(yè)興趣包括信號(hào)處理，聲學(xué)／語(yǔ)言模型建模，孤立詞／連續(xù)語(yǔ)音識(shí)別，關(guān)鍵詞檢出，語(yǔ)音聽寫，語(yǔ)言理解等。現(xiàn)為ieee會(huì)員，中國(guó)《中文信息學(xué)報(bào)》編委。他已發(fā)表40余篇有關(guān)語(yǔ)音處理的學(xué)術(shù)論文，其中數(shù)篇獲獎(jiǎng)。



　　語(yǔ)音識(shí)別雖然已經(jīng)有比較大的進(jìn)步，但必須有大的創(chuàng)新才可能有大的突破。主要包括以下幾個(gè)方面：

　　1．提高系統(tǒng)魯棒性和自適應(yīng)能力，包括語(yǔ)音特征提取、聲學(xué)模型、語(yǔ)言模型等諸多方面的魯棒性和自適應(yīng)等。

　　語(yǔ)音的特征提取和聲學(xué)模型對(duì)含噪語(yǔ)音、不同信道傳輸施加給語(yǔ)音的影響、不同發(fā)音人及其不同方式等要有魯棒性和自適應(yīng)能力；語(yǔ)言模型對(duì)各種不同的應(yīng)用領(lǐng)域要有魯棒性和自適應(yīng)能力。

　　2．在語(yǔ)音識(shí)別中使用語(yǔ)音學(xué)知識(shí)和語(yǔ)言學(xué)知識(shí)。語(yǔ)音模型的建立仍然是一個(gè)基本問題，但對(duì)什么樣的發(fā)音建什么樣的模型就不僅是數(shù)學(xué)建模的問題，還需把語(yǔ)音知識(shí)和語(yǔ)言知識(shí)結(jié)合起來，以高層知識(shí)作為建模和識(shí)別的引導(dǎo)。這些知識(shí)不管在聲學(xué)模型部分還是在語(yǔ)言模型部分都應(yīng)該盡可能應(yīng)用。

　　3．重視海量語(yǔ)音庫(kù)和語(yǔ)料庫(kù)的制作和標(biāo)注。語(yǔ)音庫(kù)用以訓(xùn)練語(yǔ)音模型，語(yǔ)料庫(kù)則用以訓(xùn)練統(tǒng)計(jì)語(yǔ)言模型，它們的制作和標(biāo)注有著舉足輕重的地位。一個(gè)海量的、科學(xué)標(biāo)注了的語(yǔ)音庫(kù)和語(yǔ)料庫(kù)對(duì)提高聲學(xué)模型和語(yǔ)言模型是非常重要的。

　　4．策略型和多模態(tài)方案。在目前的技術(shù)還不是特別成熟的前提下，可能需要綜合利用各種已有技術(shù)來提高系統(tǒng)的整體性能。比如充分利用各種可以利用的特征、集成各種識(shí)別性能互補(bǔ)的若干識(shí)別器、結(jié)合語(yǔ)音識(shí)別和手寫體文字識(shí)別，為用戶提供各種不同應(yīng)用的方案。這些都是有益的解決方案。

　　5．窄帶應(yīng)用和口語(yǔ)對(duì)話應(yīng)用。語(yǔ)音聽寫機(jī)之所以不能很好推廣，也許是因?yàn)槟壳坝胁簧俪錾�的漢字輸入方法，如全拼、雙拼、五筆等。但是有些場(chǎng)合，如通過帶寬很窄的電話線對(duì)遠(yuǎn)程的數(shù)據(jù)庫(kù)進(jìn)行信息檢索和查詢（如天氣預(yù)報(bào)、旅游信息、股市行情、航班信息等）時(shí)，語(yǔ)音識(shí)別就會(huì)發(fā)揮很大的作用，從而會(huì)有很大的應(yīng)用前景。這是因?yàn)椋�語(yǔ)音是非常自然的方式，而且由于電話上只有數(shù)字鍵，相對(duì)于用數(shù)字鍵進(jìn)行逐級(jí)的需求確認(rèn)來說，語(yǔ)音識(shí)別更具有競(jìng)爭(zhēng)力。

　　在這種應(yīng)用中，需要解決的技術(shù)難點(diǎn)包括：（一）由于電話信道帶寬窄（只有3．4khz），語(yǔ)音信號(hào)的信息損失較大，電話機(jī)和信道質(zhì)量差異大，背景噪音和信道噪音種類繁多，因此必須有性能優(yōu)異的語(yǔ)音增強(qiáng)、特征提取、語(yǔ)音識(shí)別與理解等算法。（二）由于說話人的在查詢時(shí)使用的都是自然語(yǔ)言，因此必須研究口語(yǔ)現(xiàn)象。（三）必須研究語(yǔ)言理解技術(shù)。聽寫機(jī)只能解決語(yǔ)音到文本的轉(zhuǎn)換，卻不知其意；但口語(yǔ)對(duì)話系統(tǒng)必須有語(yǔ)言理解部分才能知道用戶的查詢需求，并有針對(duì)性地提供相應(yīng)的信息。

　　6．制定軟件開發(fā)工具（sdk）。為了推廣語(yǔ)音產(chǎn)品，制定方便中間開發(fā)人員使用sdk也非常重要。一些知名公司無不在此傾注力量，以期制定工業(yè)標(biāo)準(zhǔn)。如ibm的ibm sdk、微軟的microsoft sapi、dragon公司的dragon sdk、以及l(fā)＆h公司的spark等都是用于開發(fā)語(yǔ)音產(chǎn)品的軟件開發(fā)工具。這也是國(guó)內(nèi)研發(fā)機(jī)構(gòu)需要學(xué)習(xí)和注意的地方。

得意音通公司供稿 原文《中國(guó)計(jì)算機(jī)報(bào)》，第91期，1999年12月6日