_ti

2001/03/23

從古老的“芝麻開(kāi)門”傳說(shuō)開(kāi)始，人類就一直幻想著用語(yǔ)言去征服和改造自然。伴隨新技術(shù)的不斷發(fā)展，人類的這一夢(mèng)想正在逐步實(shí)現(xiàn)。誰(shuí)能預(yù)知中文語(yǔ)音識(shí)別技術(shù)究竟能給我們帶來(lái)什么樣的應(yīng)用前景？技術(shù)與應(yīng)用又將是怎樣的一種互動(dòng)關(guān)系呢？

對(duì)話者：

主 持 人：王向東 《計(jì)算機(jī)世界》報(bào)記者

IT 廠 商：沈鱇騏 言豐科技有限公司(中國(guó)區(qū))總經(jīng)理

用 戶： 黃富清 北京京信北斗信息服務(wù)中心262信息臺(tái)總經(jīng)理

對(duì)話主題：中文語(yǔ)音識(shí)別技術(shù)的應(yīng)用將帶來(lái)什么樣的商機(jī)?

主持人：昨天，人類對(duì)技術(shù)孜孜不倦的追求，總能不斷帶動(dòng)應(yīng)用的腳步。今天，語(yǔ)音識(shí)別技術(shù)的商業(yè)應(yīng)用正在引起人們的廣泛關(guān)注，因?yàn)樗鼘⒁粤钊穗y以置信的擴(kuò)張力量改變我們的工作和生活。語(yǔ)音識(shí)別技術(shù)已發(fā)展到何種階段?它未來(lái)的應(yīng)用目標(biāo)是什么?

人機(jī)交互突破瓶頸

主持人：新技術(shù)轉(zhuǎn)化為生產(chǎn)力的核心是應(yīng)用，而同樣的技術(shù)未必能得到同樣的應(yīng)用效果。比如說(shuō)電腦，中國(guó)人使起來(lái)就是不如美國(guó)人方便，輸入方式是最大的瓶頸。從五筆字型到漢王手寫(xiě)輸入，再到最近的筆輸入，都是在努力讓中國(guó)人實(shí)現(xiàn)同電腦更方便地交流。當(dāng)然，還有一種技術(shù)可以使不同國(guó)家的人同電腦保持同樣的距離，這就是語(yǔ)音識(shí)別技術(shù)。只有通過(guò)這項(xiàng)技術(shù)人們才能同樣享受到電腦科技的無(wú)窮魅力。包括IBM、飛利浦等一些知名企業(yè)都在不斷挑戰(zhàn)語(yǔ)音識(shí)別技術(shù)這一難題。言豐科技是否也屬于這支隊(duì)伍中的一員？從應(yīng)用的角度去看問(wèn)題，語(yǔ)音識(shí)別技術(shù)要攻克的瓶頸是什么？

沈鱇騏：從技術(shù)的角度來(lái)看，目前語(yǔ)音識(shí)別技術(shù)有三個(gè)研究發(fā)展方向，即電腦、電話和手機(jī)三個(gè)不同的應(yīng)用領(lǐng)域。第一個(gè)是電腦的語(yǔ)音錄入應(yīng)用，就是電腦能夠把人們所說(shuō)的話記錄下來(lái)，解決文字輸入的問(wèn)題；第二個(gè)是電話的語(yǔ)音識(shí)別應(yīng)用，就是借助通信平臺(tái)實(shí)現(xiàn)語(yǔ)音技術(shù)的更廣泛應(yīng)用；第三個(gè)是手機(jī)的語(yǔ)音識(shí)別應(yīng)用，就是嵌入式的語(yǔ)音識(shí)別技術(shù)，實(shí)現(xiàn)手機(jī)、尋呼機(jī)在移動(dòng)通信中的語(yǔ)音識(shí)別應(yīng)用。我個(gè)人認(rèn)為，五到十年以后，上述三個(gè)方向?qū)��?huì)走到一起來(lái)。

目前，IBM主要是在第一項(xiàng)電腦語(yǔ)音錄入方面取得了重大的突破，而言豐科技所研究的領(lǐng)域主要是在第二項(xiàng)，如何通過(guò)通信平臺(tái)實(shí)現(xiàn)語(yǔ)音識(shí)別技術(shù)的廣泛商業(yè)應(yīng)用。這兩者在技術(shù)領(lǐng)域和應(yīng)用領(lǐng)域都有著較大的差別：首先是語(yǔ)音信號(hào)的采集方式不同。電腦錄入對(duì)語(yǔ)音質(zhì)量的要求比較嚴(yán)格，而電話采集的語(yǔ)音質(zhì)量就比較差；其次是自然語(yǔ)言和非自然語(yǔ)言的區(qū)別，電腦錄入使用的是非自然語(yǔ)言，需要對(duì)電腦進(jìn)行特殊的培訓(xùn)才能使用。而電話是自然語(yǔ)言，因?yàn)槟銦o(wú)法預(yù)知是誰(shuí)打來(lái)的電話，是男是女、是何種口音；第三個(gè)不同在于字庫(kù)量，電腦錄入的難度是詞匯量非常巨大，要盡可能包容任何可能出現(xiàn)的詞匯，這也是電腦錄入在技術(shù)上的難題。而基于通信平臺(tái)的語(yǔ)音識(shí)別應(yīng)用是有一定范圍的，它所涉及的詞匯量是可以控制的。由此可以看出，兩種語(yǔ)音識(shí)別技術(shù)將在不同的應(yīng)用方面發(fā)揮不同的作用。

言豐科技研發(fā)的語(yǔ)音識(shí)別技術(shù)所要達(dá)到的應(yīng)用目標(biāo)是：通過(guò)自然的語(yǔ)言交流，實(shí)現(xiàn)人機(jī)交互式的對(duì)話形式，使電腦能理解我們的語(yǔ)言，并按照我們的指示去工作。這一目標(biāo)的實(shí)現(xiàn)將會(huì)給人類的工作和生活帶來(lái)質(zhì)的變化，同時(shí)將產(chǎn)生巨大的商業(yè)價(jià)值。因此，今天基于通信平臺(tái)的語(yǔ)音識(shí)別技術(shù)的商業(yè)應(yīng)用已為眾多的企業(yè)所關(guān)注。那么為什么語(yǔ)音識(shí)別技術(shù)應(yīng)用會(huì)突然熱起來(lái)呢？我認(rèn)為是技術(shù)的發(fā)展在一定階段時(shí)打破了應(yīng)用的瓶頸，從而帶來(lái)了應(yīng)用的進(jìn)步。因?yàn)檎Z(yǔ)音識(shí)別是一項(xiàng)難度很大的技術(shù)，里面的算法非常復(fù)雜，對(duì)CPU的要求也非常高，過(guò)去應(yīng)用的條件不具備。而近兩年CPU發(fā)展很快，而語(yǔ)音識(shí)別中的算法也日益精湛，兩者有機(jī)地集成在一起后，應(yīng)用的條件就日趨成熟�？梢灶A(yù)見(jiàn)，隨著技術(shù)的快速發(fā)展，再過(guò)10～20年的時(shí)間，我們將可以做到非常自然的人機(jī)交互式對(duì)話。

技術(shù)應(yīng)用互為依存

主持人：技術(shù)和應(yīng)用是一對(duì)矛盾，他們互為瓶頸、互為動(dòng)力，語(yǔ)音識(shí)別技術(shù)也應(yīng)體現(xiàn)這一客觀規(guī)律。具體在實(shí)際發(fā)展中，語(yǔ)音識(shí)別技術(shù)與應(yīng)用是如何相互作用的？

黃富清：我們?cè)趯?shí)踐中對(duì)技術(shù)與應(yīng)用的體會(huì)還是很深的。因?yàn)槲覀冮_(kāi)辦的信息臺(tái)屬于高科技類的經(jīng)營(yíng)模式，這決定了它必須采用比較先進(jìn)的網(wǎng)絡(luò)技術(shù)和語(yǔ)音識(shí)別技術(shù)，才能夠?yàn)橛脩籼峁└哔|(zhì)量的服務(wù)。262信息臺(tái)也正是通過(guò)積極采用新技術(shù)提供新服務(wù)，從而獲得了可觀的經(jīng)濟(jì)效益。比如說(shuō)，信息臺(tái)的起步就是建立在20世紀(jì)90年代應(yīng)用先進(jìn)的語(yǔ)音卡技術(shù)的基礎(chǔ)上，通過(guò)這塊語(yǔ)音卡開(kāi)發(fā)出了多種語(yǔ)音服務(wù)系統(tǒng)，從而提供了無(wú)人值守電話、股票信息自動(dòng)查詢系統(tǒng)、電話自動(dòng)點(diǎn)歌系統(tǒng)等多項(xiàng)服務(wù)。那時(shí)候買一塊語(yǔ)音卡要花4萬(wàn)多元，加上軟件開(kāi)發(fā)費(fèi)總共需要11萬(wàn)多元。但是我們幾天就能掙回來(lái)，因?yàn)榇螂娫挷樵兊娜颂貏e多。當(dāng)時(shí)股票炒得火，電話查詢又非常方便，滿足了廣大股民的實(shí)際需求。

正是新技術(shù)給我們帶來(lái)了應(yīng)用的提高和實(shí)際的收益，但同時(shí)技術(shù)的瓶頸又成為應(yīng)用進(jìn)一步發(fā)展的攔路石。由于語(yǔ)音技術(shù)幾年沒(méi)有進(jìn)一步發(fā)展，信息臺(tái)的業(yè)務(wù)也因技術(shù)的限制而無(wú)法跳躍性地向前發(fā)展。舉例而言，用戶今天要通過(guò)信息臺(tái)查詢股票行情，需要在電話上操作很多鍵，要通過(guò)幾層、十幾層甚至幾十層，才能找到自己想要的東西。用戶要想查詢某支股票，首先要選擇按鍵1（上海）和按鍵2（深圳），其次要查詢多少號(hào)的股票，第三再查詢1（總指數(shù)）、2（收盤價(jià)）、3（現(xiàn)在價(jià)）等等。

這種查詢方式非常繁鎖，很不方便，用戶多數(shù)是查到第四層就不愿再繼續(xù)往下聽(tīng)了。有的用戶聽(tīng)著聽(tīng)著就糊涂了，或者是聽(tīng)了半天也沒(méi)有找到自己想要的東西。用戶普遍對(duì)這種水平的服務(wù)越來(lái)越不滿意�，F(xiàn)在移動(dòng)局的手機(jī)短信息服務(wù)也遇到這個(gè)問(wèn)題，用戶發(fā)了半天最后按錯(cuò)了，就得重來(lái)，可是費(fèi)用還要照交，用戶對(duì)此非常有意見(jiàn)。

這里面就涉及了技術(shù)與應(yīng)用的關(guān)系問(wèn)題，用戶進(jìn)入了信息查詢系統(tǒng)就應(yīng)該交費(fèi)了，可是用戶又沒(méi)能得到自己真正想要的服務(wù)。這就是因?yàn)榧夹g(shù)不完善，不能滿足今天用戶的需求，如果技術(shù)不能向前發(fā)展，應(yīng)用水平不能進(jìn)一步提高，原有的低水平服務(wù)將逐步被用戶所淘汰。所以，我們對(duì)任何能帶來(lái)新應(yīng)用的新技術(shù)都非常關(guān)注，只要它能提高我們?cè)�有的服�?wù)水平，我們就會(huì)積極地應(yīng)用它。現(xiàn)在光靠改善服務(wù)態(tài)度是不能從根本上提高服務(wù)質(zhì)量，只有在技術(shù)上有新的突破。

沈鱇騏：的確如此，技術(shù)與應(yīng)用是密不可分的關(guān)系。言豐科技所推動(dòng)的基于通信平臺(tái)的語(yǔ)音識(shí)別技術(shù)，已超越了電話按鍵層層查詢的應(yīng)用時(shí)代，已可以做到通過(guò)電話與電腦交談。比如說(shuō)我想查今天的股價(jià)，電腦已經(jīng)可以根據(jù)你的語(yǔ)音提示，自動(dòng)找尋并報(bào)出股價(jià)給你聽(tīng)，電腦的語(yǔ)言識(shí)別系統(tǒng)已可以理解用戶要查詢的內(nèi)容。這里面包含著一個(gè)關(guān)鍵的自動(dòng)化技術(shù)，使電腦可以從數(shù)據(jù)庫(kù)里找出你所需要的東西，在一定范圍里，我們已能夠做到人機(jī)交流了。這就為下一步推動(dòng)商業(yè)應(yīng)用奠定了更堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

我們現(xiàn)有的語(yǔ)音識(shí)別系統(tǒng)還有一定的局限性，還不能自然到像人與人交談一樣。比如說(shuō)“幫我看一下北京今天的航班情況”，這句話本是很自然的語(yǔ)言，但要從語(yǔ)音識(shí)別的角度來(lái)看，我們要做出很多改進(jìn)，從硬件到軟件。我們認(rèn)為還需要十年、二十年才能真正達(dá)到人與電腦用自然的語(yǔ)言交談。那么為什么我們今天就把現(xiàn)有語(yǔ)音識(shí)別技術(shù)拿出來(lái)用呢?是因?yàn)槲覀円芽吹皆诤芏鄳?yīng)用領(lǐng)域，在一定的可控制范圍之內(nèi)，現(xiàn)有的語(yǔ)音識(shí)別技術(shù)已足夠推動(dòng)應(yīng)用水平向前邁進(jìn)一步，它會(huì)給用戶帶來(lái)效益上的提高。

從目前我們的理解，從語(yǔ)音識(shí)別技術(shù)應(yīng)用角度來(lái)說(shuō)，這項(xiàng)技術(shù)還遠(yuǎn)未達(dá)到應(yīng)用的熱潮。我們認(rèn)為真正的熱潮還要一年到兩年時(shí)間，一來(lái)是需要培育市場(chǎng)，接受新觀念；二來(lái)是改善應(yīng)用環(huán)境，包括技術(shù)環(huán)境、市場(chǎng)環(huán)境，無(wú)論是電腦平臺(tái)還是通信平臺(tái)，都有一個(gè)逐步淘汰和更新的過(guò)程。此外，還有一個(gè)語(yǔ)音特征數(shù)據(jù)庫(kù)的積累，這個(gè)積累過(guò)程沒(méi)有任何捷徑可走，只有從大量的語(yǔ)音量中提取相同的語(yǔ)音特征，才能真正產(chǎn)生成熟的應(yīng)用。

語(yǔ)音門戶商機(jī)無(wú)限

主持人：語(yǔ)音識(shí)別技術(shù)在不斷進(jìn)步，這項(xiàng)技術(shù)所帶來(lái)的商業(yè)應(yīng)用也將日益廣泛。那么，經(jīng)過(guò)未來(lái)10年或20年發(fā)展，技術(shù)與應(yīng)用的成熟將會(huì)產(chǎn)生什么樣的結(jié)果?語(yǔ)音識(shí)別技術(shù)近期可以實(shí)現(xiàn)的應(yīng)用目標(biāo)是什么?

黃富清：作為用戶，我深深地感受到技術(shù)向前發(fā)展一步，就會(huì)促進(jìn)生產(chǎn)力向前發(fā)展，而且它的經(jīng)濟(jì)效益可能是成幾十倍往上增長(zhǎng)。同樣，我們?nèi)绻�采用了一個(gè)好的新技術(shù)，下個(gè)月的收入會(huì)成倍往上增長(zhǎng)。從現(xiàn)實(shí)情況來(lái)看，從語(yǔ)音卡到軟件開(kāi)發(fā)有局限性，一層一層往下分，如果信息量大了，內(nèi)容太多了，服務(wù)就沒(méi)法做了。從我的經(jīng)驗(yàn)看，如果技術(shù)應(yīng)用穩(wěn)定在一個(gè)水平上，客戶卻不是穩(wěn)定在同一水平上，而是在下降。因?yàn)槟憧倹](méi)有新東西，客戶就會(huì)不滿意了，就可能轉(zhuǎn)向一個(gè)更新更好的應(yīng)用平臺(tái)。

所以，我們?nèi)ツ?月發(fā)現(xiàn)言豐科技的語(yǔ)音識(shí)別技術(shù)之后，覺(jué)得非常了不起。應(yīng)用言豐的技術(shù)之后，我們就可以打破很多原有的限制，用戶可以比原來(lái)更方便地進(jìn)行人機(jī)交流，比原來(lái)按鍵方式方便、快捷多了；用戶滿意多了，愛(ài)用的人多了，我們的企業(yè)效益也隨之提高了。

沈鱇騏：我個(gè)人認(rèn)為，語(yǔ)音識(shí)別技術(shù)的發(fā)展是一個(gè)環(huán)環(huán)相扣的關(guān)系，由于語(yǔ)音識(shí)別技術(shù)所借助的很多基礎(chǔ)性技術(shù)也在不斷發(fā)展、變化，使得語(yǔ)音技術(shù)所要攻克的目標(biāo)也在不斷發(fā)展變化。所以我們把語(yǔ)音識(shí)別技術(shù)定位在應(yīng)用技術(shù)，底層的技術(shù)平臺(tái)搭得越高，應(yīng)用層次的技術(shù)就開(kāi)始發(fā)生變化。從用戶的角度來(lái)看，你可以通過(guò)運(yùn)用語(yǔ)音技術(shù)去進(jìn)行企業(yè)的改造或企業(yè)的服務(wù)，然后再把更好的服務(wù)提供給更廣泛的終端用戶。

如何把電話語(yǔ)音系統(tǒng)跟Internet和商務(wù)結(jié)合起來(lái)?電話在全球有1.7億部，應(yīng)用基礎(chǔ)非常廣泛，為此，我們?cè)谥袊?guó)推出了語(yǔ)音門戶平臺(tái)新理念，分為電信級(jí)的語(yǔ)音門戶平臺(tái)和企業(yè)級(jí)的語(yǔ)音門戶平臺(tái)。目的是通過(guò)它為個(gè)人、企業(yè)和電信行業(yè)提供更好的語(yǔ)音識(shí)別技術(shù)服務(wù)�？梢韵胂褚幌�，當(dāng)某一天您開(kāi)車上班時(shí)，可以用語(yǔ)音控制開(kāi)關(guān)車門、車?yán)锏囊繇憽⑹謾C(jī)；到辦公室后也是用語(yǔ)音指揮收發(fā)電子郵件、收發(fā)傳真、查詢電話錄音、制定工作計(jì)劃、篩選有效信息，以及用語(yǔ)音預(yù)訂機(jī)票、午餐、查詢交易股票等等。總之，通過(guò)開(kāi)發(fā)與推動(dòng)多語(yǔ)種交談式語(yǔ)音識(shí)別技術(shù)在最普及的電話及無(wú)線電話中的應(yīng)用，可以使有用、準(zhǔn)確、及時(shí)的信息在任何時(shí)間、任何地點(diǎn)提供給需要它的任何客戶。那時(shí)，語(yǔ)音識(shí)別技術(shù)將真正幫助人類用語(yǔ)言打開(kāi)改變世界之門。