語音識別技術(shù)——電子商務(wù)的 “推進(jìn)器”

張欣 2001/06/29

“Speech Technology is The Next Big Thing in Computing！（語音技術(shù)是計(jì)算機(jī)行業(yè)的下一個(gè)重點(diǎn)）”這句曾經(jīng)出現(xiàn)在美國《商務(wù)周刊》封面上的論點(diǎn)，給記者留下了十分深刻的印象。從目前的技術(shù)來看，要使高科技的IT產(chǎn)業(yè)真正走向大眾生活，充分利用語音技術(shù)、將語音技術(shù)與數(shù)據(jù)技術(shù)結(jié)合是必然趨勢。言豐科技的梁康忠博士說：“語音技術(shù)是當(dāng)今迅猛發(fā)展的電子商務(wù)經(jīng)濟(jì)最重要的‘推進(jìn)器’之一，該市場正在迅速成長，且發(fā)展勢頭良好�！庇袊獾姆治黾翌A(yù)測，從2000年到2005年，語音技術(shù)市場將以每年31%的速度持續(xù)增長。語音技術(shù)市場的迅速擴(kuò)展，意味著我們正面臨著大量部署語音應(yīng)用的轉(zhuǎn)折期。

提到語音技術(shù)，更應(yīng)該強(qiáng)調(diào)語音識別技術(shù)。因?yàn)橹挥邢到y(tǒng)能夠自動識別語音內(nèi)容，才能真正實(shí)現(xiàn)全程智能化、自動化。同時(shí)，只有當(dāng)大家真正認(rèn)識到語音識別技術(shù)在通信系統(tǒng)中所起到的核心作用時(shí)，才標(biāo)志著語音應(yīng)用進(jìn)入到了一個(gè)新的階段。

以往，我們都比較熟悉IBM的ViaVoice等個(gè)人識別軟件，但真正帶來最大利潤的還是企業(yè)級語音識別軟件。企業(yè)級語音識別軟件往往可被擴(kuò)展為一個(gè)平臺，集信息查詢、信息點(diǎn)播、交易處理、統(tǒng)一消息四大功能模塊于一體，很多人稱之為語音門戶。目前，常見的語音解決方案的供應(yīng)商主要是IBM、Nuance、SpeechWorks、Philips，以及香港言豐科技。

在很多人對實(shí)現(xiàn)語音功能頗為撓頭的時(shí)候，言豐科技高級系統(tǒng)開發(fā)經(jīng)理周魯生卻說:“語音識別技術(shù)的門檻其實(shí)不高。”語音識別技術(shù)需要對語言規(guī)律的高度理解，因此，對于漢語識別系統(tǒng)，中國的公司在核心模塊二進(jìn)制級別對漢語的雙字節(jié)處理上要具有很多優(yōu)勢。并且，源語音采集庫的規(guī)模直接決定語音識別的范圍和精確性，中國公司在這方面要大大占先。

現(xiàn)在，很多語音技術(shù)大多如此：先跟著指導(dǎo)練習(xí)一段時(shí)間，相當(dāng)于與系統(tǒng)的“磨合”，然后再根據(jù)系統(tǒng)的提示，在“嘀”聲后開始說話，一問一答地完成此過程。語音識別的難度在于突破這種傳統(tǒng)的非人性化、非靈活性的語音環(huán)境，實(shí)現(xiàn)一些新功能，包括：說話者可以隨時(shí)開口，而相應(yīng)系統(tǒng)隨時(shí)都可覺察并錄制、識別；說話者可以多種方言甚至多種語種輸入，而系統(tǒng)能夠識別出來；說話者在噪音非常大（甚至與說話者音量相當(dāng)）的環(huán)境中說話，系統(tǒng)能識別出來等。言豐科技的語音識別系統(tǒng)目前已經(jīng)能實(shí)現(xiàn)這些功能，人工智能會話斷插（barge-in）、多語音混合識別和回聲消除等，已使語音識別技術(shù)正在進(jìn)一步獲得突破。

梁博士認(rèn)為，語音識別只是一種技術(shù)手段，它的應(yīng)用不能脫離應(yīng)用主體去單獨(dú)實(shí)施，否則，語音技術(shù)開發(fā)者就不可能承接好各種應(yīng)用項(xiàng)目。因此，在推動企業(yè)應(yīng)用語音系統(tǒng)開展商務(wù)活動和進(jìn)行內(nèi)外部管理的時(shí)候，必須讓集成商介入這個(gè)領(lǐng)域。而且，由于舊有的語音應(yīng)用還處于一個(gè)比較低級的階段，技術(shù)上的突破將會給這個(gè)領(lǐng)域帶來重新洗牌的機(jī)會。

摘自《中國計(jì)算機(jī)報(bào)》