首頁(yè)>>廠商>>語(yǔ)音識(shí)別與合成>> 捷通華聲

中文語(yǔ)音技術(shù)應(yīng)掌握在中國(guó)人手中

2000/11/22

　　在如今的信息海洋中，直到目前為止，我們接受信息的方式主要依靠眼睛，面對(duì)著報(bào)紙、雜志和各式各樣的熒屏。但是在很多情況下，“視”的方式有一定的局限性，那么，我們?yōu)槭裁醋屪约旱亩�朵“閑置”呢？語(yǔ)音是信息傳播的另一大媒介，在人們看不見(jiàn)、不愿看或是不方便看的情況下，“聽(tīng)”可以使我們突破視線的限制，極大地?cái)U(kuò)展了接受信息的空間，也極大地降低了對(duì)接受信息的條件的要求。別忘了，人類(lèi)最早的語(yǔ)言，就是在用“看”的方式無(wú)法傳達(dá)信息的情況下，經(jīng)由無(wú)數(shù)次吶喊而逐漸形成的。

　　對(duì)于今天的IT業(yè)界，提供語(yǔ)音服務(wù)的語(yǔ)音系統(tǒng)正在迅猛地發(fā)展起來(lái)。先說(shuō)說(shuō)時(shí)下火熱的掌上PC、PDA和WAP手機(jī)，它們所共有的缺陷就是屏幕小，但是，“看”著不方便可以“聽(tīng)”呀，為什么不讓它們把信息“說(shuō)出來(lái)”？語(yǔ)音合成技術(shù)將是打破“識(shí)讀不便”這個(gè)瓶頸的利器�；萜展�司全球移動(dòng)E-Services總監(jiān)Lawrence Sellin說(shuō)：“我們預(yù)測(cè)Internet最大的增長(zhǎng)點(diǎn)就是語(yǔ)音技術(shù)。無(wú)論你在哪，都能通過(guò)你手機(jī)里發(fā)出的聲音來(lái)接受網(wǎng)上信息，這將導(dǎo)致Internet使用的大爆炸�！痹凇叭�盤(pán)e化”的各行各業(yè)，計(jì)算機(jī)電信集成系統(tǒng)(CTI)的發(fā)展如日中天，三網(wǎng)合一(電話網(wǎng)、有線電視網(wǎng)、互聯(lián)網(wǎng))的大趨勢(shì)給語(yǔ)音技術(shù)帶來(lái)了巨大的商機(jī)。結(jié)合其他技術(shù)，語(yǔ)音合成將廣泛應(yīng)用于金融、郵電、工商、政府機(jī)關(guān)、交通、教育和游戲娛樂(lè)等領(lǐng)域�？傊�，從股票、航班查詢到電腦文檔的閱讀，再到能說(shuō)話的信息家電，凡是能“看”的地方，就應(yīng)該能“聽(tīng)”；“看”成問(wèn)題的地方，更應(yīng)該能“聽(tīng)”！在未來(lái)幾年內(nèi)，語(yǔ)音合成技術(shù)的應(yīng)用將遍及所有與IT相關(guān)的產(chǎn)業(yè)，其國(guó)內(nèi)的市場(chǎng)價(jià)值，將達(dá)到幾十億甚至上百億元。

　　語(yǔ)音合成技術(shù)的學(xué)名叫“文語(yǔ)轉(zhuǎn)換系統(tǒng)”，簡(jiǎn)稱(chēng)為T(mén)TS-text to speech，其實(shí)就是讓計(jì)算機(jī)把文字說(shuō)出來(lái)，其追求的目標(biāo)是計(jì)算機(jī)輸出的“合成語(yǔ)音”可懂、清晰、自然、具有表現(xiàn)力。不用說(shuō)，這種技術(shù)也是世界各國(guó)競(jìng)相研究的熱點(diǎn)，20世紀(jì)60年代，英文TTS系統(tǒng)首先被研制出來(lái)。80年代，我國(guó)開(kāi)始介入漢字TTS領(lǐng)域的研究，清華大學(xué)、中國(guó)科大、中科院聲學(xué)所等單位都在這一領(lǐng)域取得了很好的成績(jī)。近年來(lái)，在國(guó)家“863”智能計(jì)算機(jī)主題的支持下，漢語(yǔ)TTS技術(shù)有了長(zhǎng)足的進(jìn)步。有專(zhuān)家稱(chēng)：中文語(yǔ)音合成是我國(guó)具有一定競(jìng)爭(zhēng)優(yōu)勢(shì)的中文軟件領(lǐng)域中“最后的一塊處女地”。早已圍坐在爐邊的狼群

　　據(jù)說(shuō)鯊魚(yú)可以在很遠(yuǎn)的地方就能聞到血腥味，然后迅速趕到獵物身邊。國(guó)外的IT巨頭們的嗅覺(jué)比鯊魚(yú)更厲害，對(duì)于中文TTS技術(shù)來(lái)說(shuō)，它們能在國(guó)內(nèi)的市場(chǎng)苗頭還未凸現(xiàn)之前，就瞄準(zhǔn)了這塊肥肉。原因很簡(jiǎn)單，目前世界上已經(jīng)開(kāi)發(fā)出多種語(yǔ)言的TTS系統(tǒng)，Bell實(shí)驗(yàn)室、ATR、Siemens公司已研制出多語(yǔ)種的TTS系統(tǒng)，法國(guó)CNET的多語(yǔ)種TTS已用于電話網(wǎng)中的公共話音服務(wù)。毋庸質(zhì)疑，下一個(gè)巨大的市場(chǎng)當(dāng)然就是以中國(guó)大陸地區(qū)為代表的使用漢語(yǔ)的人群。

　　國(guó)外著名的IT廠家很早就開(kāi)始了對(duì)中文TTS技術(shù)和市場(chǎng)的培養(yǎng)與爭(zhēng)奪，他們?cè)谶@一領(lǐng)域投入的巨資，顯示出他們對(duì)這個(gè)市場(chǎng)的信心和野心。微軟、Intel、Motorola、IBM等均投巨資、集中大批優(yōu)秀的開(kāi)發(fā)力量進(jìn)行語(yǔ)音識(shí)別方面的研究。他們對(duì)技術(shù)的占有欲就象對(duì)利潤(rùn)的占有欲一樣強(qiáng)烈，因此也不惜血本地投入，微軟中國(guó)研究院高級(jí)研究員的年薪一般也為幾十萬(wàn)元人民幣。和在其他領(lǐng)域一樣，他們第一步所做的，就是抓住TTS技術(shù)的命脈——人才，在這些大公司的中文TTS實(shí)驗(yàn)室里，絕大部分科研人員是國(guó)內(nèi)培養(yǎng)多年的、畢業(yè)于幾個(gè)著名語(yǔ)音合成技術(shù)實(shí)驗(yàn)室的碩士和博士。更值得注意的是，1998年比爾-蓋茲派往中國(guó)籌建研究院的李開(kāi)復(fù)博士，就是國(guó)際著名的語(yǔ)音技術(shù)專(zhuān)家。

　　據(jù)筆者了解，國(guó)內(nèi)兩個(gè)著名的語(yǔ)音合成技術(shù)實(shí)驗(yàn)室培養(yǎng)的碩士、博士生，有90%以上都進(jìn)入了國(guó)外著名廠商的實(shí)驗(yàn)室，甚至一些還沒(méi)畢業(yè)的學(xué)生，就已被獵頭挖走，或是提前為他們打工。某代表國(guó)內(nèi)最高水平的實(shí)驗(yàn)室，其關(guān)鍵技術(shù)的發(fā)明人今年已進(jìn)入微軟，并開(kāi)始領(lǐng)導(dǎo)一個(gè)語(yǔ)音合成技術(shù)小組，而他的當(dāng)年的導(dǎo)師、一位業(yè)已退休的老教授，也被另一個(gè)國(guó)外著名大公司回聘，擔(dān)任技術(shù)開(kāi)發(fā)工作的指導(dǎo)。這家實(shí)驗(yàn)室本身也受這兩家委托，進(jìn)行語(yǔ)音合成音庫(kù)的開(kāi)發(fā)。不知道國(guó)內(nèi)的IT人們急不急，反正老外們的確是“只爭(zhēng)朝夕”，據(jù)上述那個(gè)實(shí)驗(yàn)室的某位員工說(shuō)，這兩家公司幾乎每天都在查詢研發(fā)的進(jìn)度，估計(jì)不久就要向中文語(yǔ)音市場(chǎng)推出商品化產(chǎn)品。

　　其實(shí)，國(guó)外廠商的產(chǎn)品已經(jīng)出現(xiàn)在國(guó)內(nèi)的市場(chǎng)上了。我國(guó)某大型通信公司已開(kāi)始采用由以色列一公司開(kāi)發(fā)完成的中文語(yǔ)音合成技術(shù)，進(jìn)行電話查詢及聲訊業(yè)務(wù)，每一條電話線的技術(shù)使用費(fèi)是1萬(wàn)元/年。國(guó)內(nèi)著名的一家軟件廠商，其最新推出的手寫(xiě)識(shí)別軟件即采用了美國(guó)L&H公司的語(yǔ)音合成技術(shù)，所需費(fèi)用為每年幾十萬(wàn)乃至上百萬(wàn)元。冰山的一角，已經(jīng)開(kāi)始露了出來(lái)。

　　據(jù)不完全統(tǒng)計(jì)，目前在中國(guó)開(kāi)拓語(yǔ)音技術(shù)市場(chǎng)的“狼群”有以下這些成員：微軟中國(guó)研究院、IBM中文語(yǔ)音研究中心、Intel中文語(yǔ)音研究中心、摩托羅拉公司、西門(mén)子公司、Dialogic公司(國(guó)際著名電話語(yǔ)音卡生產(chǎn)商)、飛利浦公司、L&H公司、Dragon公司、郎訊公司、AT&T公司。從“電子白溝”到硅谷有多遠(yuǎn)的路

　　中關(guān)村，這條街上的事情說(shuō)起來(lái)沒(méi)完沒(méi)了。這條原本普通的街道承載了太多的雄心和夢(mèng)想，承擔(dān)了太多的責(zé)任和憂患。二十年來(lái)，多少I(mǎi)T業(yè)界的成功傳奇和失敗的遺憾都發(fā)生在這里，時(shí)至今日，這里大廈林立，各個(gè)國(guó)內(nèi)外公司的標(biāo)志和廣告爭(zhēng)奇斗妍，熙熙攘攘的人群中，多少I(mǎi)T精英正攥緊拳頭，拓展自己的夢(mèng)想。

　　可是，每一個(gè)IT人心里都明白，我們的數(shù)字產(chǎn)業(yè)的命脈——從CPU到操作系統(tǒng)，都握在別人的手里。在普通的中國(guó)人心中，這里代表著我們的未來(lái)、科技的明天，那么對(duì)于微軟、Intel這樣的國(guó)際IT巨人們呢？這里只是他們的組裝車(chē)間和銷(xiāo)售店鋪，即使一些與他們沒(méi)有直接業(yè)務(wù)聯(lián)系的軟件或是別的廠家，也都是在巨人們搭起的基礎(chǔ)上修筑自己的小屋。

　　捷通公司的總經(jīng)理張連毅先生把中關(guān)村的發(fā)展歸結(jié)為三個(gè)階段，或者說(shuō)三個(gè)浪潮。最早的是知識(shí)分子走出象牙塔，下海經(jīng)商辦企業(yè)；接著是國(guó)內(nèi)的一流大學(xué)和科研院所開(kāi)始做校辦企業(yè)和“院辦公司”，現(xiàn)在的幾乎所有的大型IT集團(tuán)都脫胎于此，譬如聯(lián)想、同方、紫光、方正等等；近年來(lái)，在政府的大力扶持之下，一批民辦高科技企業(yè)逐漸顯山露水，把目標(biāo)定位在自主產(chǎn)權(quán)的IT產(chǎn)品和互聯(lián)網(wǎng)服務(wù)。那么，我們有多少自己開(kāi)發(fā)的關(guān)鍵技術(shù)呢？有哪些領(lǐng)域離了我們自己的技術(shù)專(zhuān)利就玩不轉(zhuǎn)呢？答案是讓人揪心的……。

　　在國(guó)外，當(dāng)人們提到高新技術(shù)時(shí)，想到的是那些大公司如IBM、微軟、摩托羅拉，而在中國(guó)，人們更多的是想到清華、北大，亦或是科大、復(fù)旦。這是一個(gè)值得深思的問(wèn)題，我們的大學(xué)是做什么的，其主要的職能是什么？難道它們只是企業(yè)孵化器，各公司的產(chǎn)品開(kāi)發(fā)部？大家都知道，諸如斯坦福、伯克利、麻省理工這樣的世界名校支撐著硅谷，但是人家在做什么？是培養(yǎng)人才、做并沒(méi)有多少現(xiàn)時(shí)的商業(yè)利益的學(xué)科基礎(chǔ)研究，還是緊跟著市場(chǎng)開(kāi)發(fā)產(chǎn)品？也許有人會(huì)用“中國(guó)特色”來(lái)解釋這個(gè)現(xiàn)象，也許我們的知識(shí)分子絕不愿意再回到貧窮的昨天、讓咱們的大學(xué)里先出“一百個(gè)百萬(wàn)富翁”再說(shuō)�？墒�，如果代表著中國(guó)高等教育和科學(xué)研究最高水平的清華、北大都忙于辦公司、經(jīng)商，那么，誰(shuí)來(lái)完成它們的職責(zé)呢？又有誰(shuí)能完成得了呢？另外，高校自己出技術(shù)辦企業(yè)，其產(chǎn)品的專(zhuān)利技術(shù)的擁有權(quán)、管理權(quán)，以及企業(yè)做到一定程度之后的產(chǎn)權(quán)等等問(wèn)題，這些方方面面的關(guān)系如何理順？面對(duì)這些問(wèn)題，我們不禁要問(wèn)：我們的大學(xué)是要爭(zhēng)做世界一流大學(xué)還是要做“世界五百?gòu)?qiáng)”呢？沒(méi)有世界一流的大學(xué)，中國(guó)硅谷的基礎(chǔ)何在？

　　如果我們對(duì)美國(guó)高科技產(chǎn)業(yè)領(lǐng)先于世界的原因稍作一點(diǎn)深層次的考察，就會(huì)發(fā)現(xiàn)在具體的那些專(zhuān)利技術(shù)的背后和底層，有著強(qiáng)大的基礎(chǔ)科學(xué)研究的基礎(chǔ)。90年代初，為了在二十一世紀(jì)保持科技的領(lǐng)先水平，美國(guó)政府曾經(jīng)制訂了一個(gè)龐大的科技發(fā)展綱要，其中列在第一位的，是要保持美國(guó)數(shù)學(xué)界的世界權(quán)威水平，接下來(lái)是理論物理學(xué)。從最基礎(chǔ)的科學(xué)研究到最具商業(yè)效益的專(zhuān)利技術(shù)，這中間有很長(zhǎng)的路途，很多的環(huán)節(jié)，這些工作筆者認(rèn)為絕不是某個(gè)企業(yè)能完成的。

　　回過(guò)頭來(lái)看看我們的所謂高科技公司，他們掌握了多少自主產(chǎn)權(quán)的高科技技術(shù)？打著高新企業(yè)的幌子賣(mài)電子配件的先不必說(shuō)，就是那些響當(dāng)當(dāng)?shù)膰?guó)內(nèi)IT巨頭們，他們又有多少自己的“硬家伙”，他們的利潤(rùn)有多少來(lái)自于自己的專(zhuān)利技術(shù)，而不是靠各級(jí)政府的扶持和保護(hù)、或是地緣優(yōu)勢(shì)？作為國(guó)內(nèi)第一PC廠商的聯(lián)想，賣(mài)出一臺(tái)微機(jī)自己能賺多少錢(qián)，而Intel和微軟又從中賺了多少錢(qián)？

　　沒(méi)有成功的人總是寂寞的，如果他不能在困境之中堅(jiān)守自己的選擇而隨波逐流，那么他永遠(yuǎn)也不會(huì)有成功的那一天。對(duì)于一個(gè)企業(yè)來(lái)說(shuō)也是如此，我們的許多公司太浮躁了，太不能承受痛苦和寂寞，他們總是盯著眼前的利益，要么就是做那些低級(jí)的炒作，其實(shí)，歸根到底就是尋找投機(jī)的機(jī)會(huì)，一夜暴富�？赡挠心敲慈菀椎氖卵�！這方面，日本、韓國(guó)和臺(tái)灣的一些優(yōu)秀的IT廠家是值得我們學(xué)習(xí)的，我們今天的困難他們也曾遇到過(guò)，甚至現(xiàn)在也時(shí)常遇到，但是，如果你放棄自己參與技術(shù)競(jìng)爭(zhēng)的權(quán)利，那么就總會(huì)受制于人，永遠(yuǎn)不得翻身。這方面，我們的慘痛經(jīng)歷太多了，不用敷述。

　　高校和科研院所向來(lái)是國(guó)家重要的科研中心，是高新技術(shù)主要的發(fā)源地。國(guó)家長(zhǎng)期以來(lái)投入了大量資金支持其研究課題，但對(duì)技術(shù)商品化并沒(méi)有明確規(guī)定，特別是軟件產(chǎn)業(yè)中，知識(shí)產(chǎn)權(quán)的概念模糊，導(dǎo)致關(guān)鍵技術(shù)隨著人才的流動(dòng)而轉(zhuǎn)移，造成許多技術(shù)“墻內(nèi)開(kāi)花，墻外結(jié)果”的局面。人材流失了，技術(shù)錯(cuò)過(guò)了市場(chǎng)，體制和觀念等因素，使一些技術(shù)發(fā)源地逐漸地干涸了。譬如，在語(yǔ)音技術(shù)領(lǐng)域，我們可以去看看，高校、研究所有多少“專(zhuān)職”的科研人員？

　　在于語(yǔ)音合成技術(shù)同等重要的語(yǔ)音識(shí)別領(lǐng)域，上述的悲慘局面更始讓人嘆息。將近二十年來(lái)，國(guó)家投入了巨大的人力和資金，但1997年，IBM公司搶先在中國(guó)大陸市場(chǎng)推出了語(yǔ)音識(shí)別產(chǎn)品IBM Viavoice，一年時(shí)間內(nèi)占領(lǐng)了大陸近90%的市場(chǎng)份額，獲取了上億元的利潤(rùn)。使國(guó)內(nèi)語(yǔ)音識(shí)別技術(shù)的商品化功虧一簣。美國(guó)的另外兩大語(yǔ)音技術(shù)公司L&H和Dragon分別于99年、2000年宣布進(jìn)軍大陸語(yǔ)音識(shí)別市場(chǎng)，Philip公司1998年僅出資二百萬(wàn)元給清華大學(xué)某語(yǔ)音識(shí)別實(shí)驗(yàn)室，就要求該實(shí)驗(yàn)室兩年之內(nèi)不得與其它國(guó)內(nèi)、外廠家合作！國(guó)內(nèi)語(yǔ)音識(shí)別技術(shù)廠商的市場(chǎng)占有率幾乎為零，重要的技術(shù)源頭又被別人控制，因而有業(yè)內(nèi)專(zhuān)家預(yù)測(cè)，我國(guó)的語(yǔ)音識(shí)別產(chǎn)品幾年內(nèi)已無(wú)法在中國(guó)大陸市場(chǎng)立足！拒絕再次讓別人扼住我們的咽喉

　　可以說(shuō)，中文語(yǔ)音合成技術(shù)是中文民族軟件市場(chǎng)的最后一塊陣地。這一國(guó)家投入了巨大資金和人材的技術(shù)日趨成熟，一個(gè)潛在的巨大市場(chǎng)業(yè)已浮出水面。當(dāng)然，我們的國(guó)內(nèi)TTS技術(shù)相關(guān)廠家也面臨巨大的挑戰(zhàn)，此項(xiàng)技術(shù)和市場(chǎng)流失的危險(xiǎn)也是大家都能看得到的。

　　在此，筆者想請(qǐng)諸位讀者關(guān)注一個(gè)正在蓬勃而上的民辦軟件廠商——捷通華聲。這是一家民營(yíng)的股份制軟件公司，匯集了眾多著名高校學(xué)子和海外歸國(guó)人材，有著非常雄厚的科技實(shí)力和先進(jìn)的經(jīng)營(yíng)管理理念。

　　這家公司成立短短兩年來(lái)，為客戶提供了用于計(jì)算機(jī)電信集成系統(tǒng)(CTI)的語(yǔ)音合成技術(shù)、錄易漢語(yǔ)智能輸入/輸出系統(tǒng)，以及可聽(tīng)可說(shuō)的飛達(dá)多媒體電子郵件等等眾多的解決方案，這一切的核心技術(shù)，就是他們自主產(chǎn)權(quán)的中文TTS技術(shù)。一個(gè)年輕的民營(yíng)軟件公司在今天所面臨的困難是可想而知的，面對(duì)低迷的市場(chǎng)和國(guó)外IT巨頭們的打壓，捷通人勇敢地邁出了一大步——與中科院有關(guān)機(jī)構(gòu)和清華的語(yǔ)音合成技術(shù)實(shí)驗(yàn)室合作，在科技部、市科委的大力支持下，成立民營(yíng)企業(yè)的第一個(gè)語(yǔ)音技術(shù)研究中心——捷通華聲。

　　日前，捷通華聲語(yǔ)音研究中心正式成立。這個(gè)中心的成立，標(biāo)志著我國(guó)軟件企業(yè)在語(yǔ)音技術(shù)領(lǐng)域獨(dú)立開(kāi)發(fā)、自主產(chǎn)權(quán)的道路上邁出了嶄新的一步，從具體產(chǎn)品的開(kāi)發(fā)向關(guān)鍵技術(shù)的研究深入。我國(guó)一位國(guó)內(nèi)、外著名的中文語(yǔ)音專(zhuān)家放棄國(guó)外幾家大公司的高薪聘請(qǐng)參與組建捷通華聲，以首席科學(xué)家的身份“坐鎮(zhèn)”捷通華聲，幾位年輕的畢業(yè)于清華、中科院的優(yōu)秀博士、碩士、工程師加盟捷通華聲，雖然它的規(guī)模和影響還很有限，但是讓我們看到了希望：真正有骨氣、有遠(yuǎn)見(jiàn)的中國(guó)企業(yè)，開(kāi)始在IT的核心技術(shù)層面向國(guó)外的大公司說(shuō)不，他們拒絕再讓別人扼住自己的咽喉！

　　捷通公司在資金并不雄厚的情況下，到目前為止，已將一半以上的資金用于技術(shù)開(kāi)發(fā)，其眼光和魄力的確是令人敬佩的。掌握本領(lǐng)域的最先進(jìn)技術(shù)，做中國(guó)市場(chǎng)上一流的TTS軟件廠家，是捷通成立伊始就定下的發(fā)展方針，華聲語(yǔ)音研究中心的成立，使他們進(jìn)一步地靠近了自己的目標(biāo)，為成為一流的民族軟件廠商打下了堅(jiān)實(shí)的基礎(chǔ)。我們應(yīng)該為華聲語(yǔ)音技術(shù)有限公司的成立而歡呼，捷通人不能容忍，所有的中國(guó)人也不能容忍再次讓別人扼住我們的咽喉！

捷通公司供稿 CTI論壇編輯 2000/11/22