語(yǔ)音識(shí)別技術(shù)面臨的問(wèn)題

高皓 2000/12/19

　　憑心而論，語(yǔ)音識(shí)別是一項(xiàng)復(fù)雜的技術(shù)，特別對(duì)于漢語(yǔ)語(yǔ)音識(shí)別尤其如此。因此，盡管多年前就有眾多公司和研究機(jī)構(gòu)開(kāi)始了語(yǔ)音技術(shù)，包括語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)的研究，但直到最近一兩年，在國(guó)內(nèi)應(yīng)該說(shuō)是今年，才開(kāi)始有規(guī)模的商用。

　　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(lái)的趨勢(shì)，但仍沒(méi)有多少應(yīng)用。這其中雖然有諸多影響因素，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。那么，語(yǔ)音識(shí)別技術(shù)要進(jìn)入大規(guī)模商用，還要跨越哪些障礙呢？

　　■用戶(hù)的獨(dú)立性
　　所謂用戶(hù)的獨(dú)立性，就是語(yǔ)音識(shí)別軟件能夠識(shí)別有不同嗓音和口音的用戶(hù)，而無(wú)需通過(guò)訓(xùn)練軟件來(lái)使其識(shí)別一個(gè)特殊用戶(hù)的聲音。目前的許多語(yǔ)音識(shí)別軟件，是基于標(biāo)準(zhǔn)的發(fā)音來(lái)進(jìn)行識(shí)別的。而實(shí)際上，人們說(shuō)話千差萬(wàn)別，發(fā)音也各不相同，特別對(duì)于有口音的語(yǔ)音來(lái)說(shuō)，更是對(duì)語(yǔ)音識(shí)別軟件提出了嚴(yán)峻的挑戰(zhàn)。目前的語(yǔ)音識(shí)別軟件大部分是通過(guò)自學(xué)習(xí)功能，不斷的訓(xùn)練來(lái)達(dá)到軟件對(duì)于特定用戶(hù)語(yǔ)音的識(shí)別。

　　將來(lái)，語(yǔ)音識(shí)別軟件的一個(gè)發(fā)展趨勢(shì)就是加強(qiáng)處理性，可以識(shí)別在一定范圍內(nèi)的各種發(fā)音。而實(shí)際上，現(xiàn)在有許多語(yǔ)音軟件公司在從事這方面的工作，盡量將所有可能的方言發(fā)音收入語(yǔ)音庫(kù)。這樣，無(wú)需經(jīng)過(guò)專(zhuān)門(mén)的特殊訓(xùn)練，軟件就能識(shí)別用戶(hù)的發(fā)音。

　　■自然的語(yǔ)言能力
　　許多語(yǔ)音識(shí)別系統(tǒng)還具有自然的語(yǔ)言能力，這就是軟件理解講話者的能力。這種能力不僅表現(xiàn)在特定的單詞上，甚至還表現(xiàn)在短語(yǔ)和完整的句子上。自然的語(yǔ)言意味著兩點(diǎn)：第一，它可讓用戶(hù)用句子來(lái)表達(dá)意思。例如，為表達(dá)checking account，用戶(hù)可使用有更多單詞的自然句子，如I'd like my checking account balance。 第二指用戶(hù)可使用包含多義詞的句子。例如，我們可說(shuō)I want to transfer $500 dollars from my savings account to my checking account。這是自然語(yǔ)言的一個(gè)主要準(zhǔn)則，用戶(hù)可在一個(gè)單句中使用多個(gè)多義詞。

　　有少數(shù)復(fù)雜的語(yǔ)音識(shí)別系統(tǒng)使用提示性對(duì)話。在這里，語(yǔ)音識(shí)別系統(tǒng)提示用戶(hù)用一個(gè)單詞或記號(hào)來(lái)回答。根據(jù)專(zhuān)門(mén)機(jī)構(gòu)的調(diào)查，多數(shù)人更喜歡用約定俗成的自然語(yǔ)言，而不喜歡使用提示性對(duì)話。人們討厭的是不完善的自然語(yǔ)言，當(dāng)能使用完善的自然語(yǔ)言時(shí)，人們當(dāng)然不可抗拒地選擇了它。

　　■處理插入的能力
　　新增的插入的能力是語(yǔ)音識(shí)別軟件的另一個(gè)主要進(jìn)步。插入的能力允許用戶(hù)在系統(tǒng)提示時(shí)中斷系統(tǒng)，但系統(tǒng)依然能知道用戶(hù)的請(qǐng)求。

　　這點(diǎn)對(duì)于實(shí)際的應(yīng)用來(lái)說(shuō)是有相當(dāng)意義的。因?yàn)槿藗冊(cè)谡f(shuō)話時(shí)，總是在自覺(jué)不自覺(jué)地思考，經(jīng)常會(huì)在打斷語(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(lái)說(shuō)經(jīng)常不正確的，常規(guī)的語(yǔ)音識(shí)別系統(tǒng)會(huì)很難處理這些語(yǔ)音。

　　■軟件身份驗(yàn)證的能力
　　語(yǔ)音識(shí)別銷(xiāo)售商最近還介紹了軟件身份驗(yàn)證的能力，即根據(jù)用戶(hù)的嗓音和語(yǔ)言特點(diǎn)，來(lái)達(dá)到識(shí)別用戶(hù)的能力。這在實(shí)際中是一個(gè)非常有價(jià)值的特點(diǎn)，如可用于人事管理上。