相比用按鍵方式進(jìn)入一級級菜單的傳統(tǒng)的呼叫中心，這樣的服務(wù)顯然更方便。尤其是在不適用于鍵盤和鼠標(biāo)輸入的移動計算環(huán)境，語音輸入具有更大的發(fā)展?jié)摿�。就算是在辦公室，語音識別技術(shù)也可以幫助一部分不愿意或不能使用鍵盤、鼠標(biāo)的用戶減少大量的手腕和手指的重復(fù)勞動。然而，這樣的技術(shù)對大部分人來說仍然很新鮮，想想有幾個人使用了手機(jī)里內(nèi)置多年的語音撥號功能？

　　語音技術(shù)掀起的第一次浪潮始于20世紀(jì)90年代前期，許多著名的大公司如IBM、蘋果、AT＆T和NTT都對語音識別系統(tǒng)的實(shí)用化研究投以巨資。語音識別技術(shù)有一個很好的評估機(jī)制，那就是識別的準(zhǔn)確率，而這項(xiàng)指標(biāo)在20世紀(jì)90年代中后期實(shí)驗(yàn)室研究中得到了不斷的提高。在1997年有人提出，“語音時代”已經(jīng)來臨，商家也都對此充滿了信心：希望語音識別能力能跟人一樣。語音識別技術(shù)變得如此受歡迎，讓人不得不相信，語音技術(shù)將無處不在。
　　然而，事實(shí)并非如此。在實(shí)際應(yīng)用中，在實(shí)驗(yàn)室中“成功”的語音識別系統(tǒng)在魯棒性（Robustness）、靈活性和自適應(yīng)能力上還遠(yuǎn)遠(yuǎn)不能滿足實(shí)際的需要，技術(shù)上也顯得力不從心。得意音通公司副總裁鄧永強(qiáng)說：“過高的市場期望面對實(shí)際的技術(shù)水平和應(yīng)用現(xiàn)狀，難免產(chǎn)生泡沫�！�
　　技術(shù)的不成熟，加之市場的接受情況，語音識別市場確實(shí)無法用上“火爆”這個形容詞，甚至無法在市場上找到幾個語音識別方面的成熟應(yīng)用，因此，眾人紛紛打起了“半成品技術(shù)”的主意，“以現(xiàn)有的技術(shù)水平來創(chuàng)造出應(yīng)用”。以中國市場為例，廠商并沒有去追求最完美的應(yīng)用—“聽寫機(jī)”一類的非特定人、連續(xù)語音、大詞匯量的語音識別，而是把當(dāng)前已經(jīng)成熟的那部分技術(shù)應(yīng)用到實(shí)際的產(chǎn)品中。例如以中小詞表為主的命令式語音識別，包括呼叫中心、語音撥號，移動設(shè)備中的嵌入式命令控制等，并且對于普通話能達(dá)到相當(dāng)高的識別率。

　　最簡單的小詞匯量、孤立詞、特定人語音識別技術(shù)在20世紀(jì)70年代就已經(jīng)非常成熟。盡管有一定的難度，目前在實(shí)驗(yàn)室環(huán)境下“老三難”均能達(dá)到最高標(biāo)準(zhǔn)，也就是聽寫機(jī)。微軟稱嵌入到Office軟件中的聽寫系統(tǒng)能在標(biāo)準(zhǔn)北京口音輸入的情況下，首次識別率達(dá)到93%，調(diào)試之后達(dá)到96%，并且新的技術(shù)正在使識別率不斷上升。
　　技術(shù)的價值在于它服務(wù)于應(yīng)用。雖然在實(shí)驗(yàn)室擁有如此高的識別率，在語音識別技術(shù)從各個不同的突破口進(jìn)行應(yīng)用和產(chǎn)業(yè)化的過程中，“新三難”凸現(xiàn)出來，成為研究重點(diǎn)。
　　首先，方言或口音會降低語音識別率，而對于擁有八大方言區(qū)的中文來說，應(yīng)用的難度會更大。清華大學(xué)計算機(jī)系語音技術(shù)中心副教授，同時也是北京得意音通技術(shù)有限公司董事長兼總裁的鄭方博士就正在跟蹤解決這一問題。今年，在美國約翰霍普金斯大學(xué)召開的每年一度的語音技術(shù)研討會上，鄭方博士提了一個關(guān)于方言和口音問題的提案，題目定為“Dialectal Chinese（帶方言的普通話）”。題目本身的重要性使它在全球十幾家提案中勝出，并成為最終被選定的三四家之一。鄭方博士說，“Mandarin Influenced by Native Dialect（受母語口音影響的普通話）”將有可能成為一個需要四五年時間完成的大項(xiàng)目。
　　“新三難”問題之二是背景噪音。人多的公共場所巨大的噪音對語音識別影響自不用說，就算在實(shí)驗(yàn)室環(huán)境下，敲擊鍵盤、挪動麥克風(fēng)都會成為背景噪音。它將破壞原始語音的頻譜，或者把原始語音部分或全部掩蓋掉，造成識別率下降。實(shí)際應(yīng)用中，噪音是無法避免的。研究將要解決的問題就是如何把原始語音從背景噪音中分離出來，這將會使識別系統(tǒng)具有很強(qiáng)的適應(yīng)性。
　　第三個就是“口語”的問題。它既涉及到自然語言理解，又與聲學(xué)有關(guān)。語音識別技術(shù)的最終目的是要讓用戶在“人機(jī)對話”的時候，能夠像進(jìn)行“人人對話”一樣自然。而一旦用戶以跟人交談的方式來進(jìn)行語音輸入時，口語的語法不規(guī)范和語序不正常的特點(diǎn)會給語義的分析和理解帶來困難。另外，當(dāng)人們在口語交流時，即便是人的大腦分析認(rèn)為是非常標(biāo)準(zhǔn)的發(fā)音，在語音識別的時候上卻變到了聲學(xué)的角度，隨意發(fā)音帶來的問題是很大的。
　　“新三難”是在語音識別技術(shù)的應(yīng)用中對識別率影響最大的三個因素。除此以外，由于語音在識別前需要傳輸，識別系統(tǒng)還需要適應(yīng)不同類型的傳輸信道。語音識別技術(shù)本身還有很大的發(fā)展空間。
　　第二次浪潮還有多遠(yuǎn)?
　　多年的研究使國內(nèi)中文語音識別的核心技術(shù)與國際的差別不大，并且從去年開始，中文語音識別技術(shù)的應(yīng)用開始大量涌現(xiàn)，產(chǎn)業(yè)化進(jìn)程從此拉開序幕。鄧永強(qiáng)把語音識別產(chǎn)業(yè)的現(xiàn)狀比作1995年時期的互聯(lián)網(wǎng)，“樹在長大，有綠葉了，還在等開花結(jié)果”。他認(rèn)為，中文語音識別產(chǎn)業(yè)經(jīng)過了1998、1999年的轉(zhuǎn)折點(diǎn)—從0變成了1，將會在明年出現(xiàn)新的轉(zhuǎn)折點(diǎn)，形成新的發(fā)展高峰。那么，中文能否給語音識別帶來第二次浪潮？
　　又一次浪潮的出現(xiàn)，必須建立在成型的市場之上。今年3月，HarrisInteractive公司受美國的專業(yè)語音技術(shù)公司Nuance委托對美國普通公民進(jìn)行了語音技術(shù)滿意度的調(diào)查。調(diào)查結(jié)果是：語音技術(shù)已被廣泛的接受和使用；用戶對他們曾經(jīng)使用的語音技術(shù)有著高度評價；語音比起其它的交互方式有更多的優(yōu)勢�？梢�，語音技術(shù)在美國的普通公民中有著相當(dāng)高的接受程度。在這樣的基礎(chǔ)之上，美國語音識別市場逐漸做大，已經(jīng)形成了競爭的格局。
　　而國內(nèi)在技術(shù)的應(yīng)用上起步較晚，導(dǎo)致了現(xiàn)在國內(nèi)用戶感到新鮮的語音產(chǎn)品在國外已有了好幾年的應(yīng)用。早在1997年就進(jìn)入中國語音識別市場的IBM，已經(jīng)花費(fèi)大量資金培育市場，讓大家知道了什么是語音技術(shù)�；蛟S正是因?yàn)槿绱耍�在市場推廣方面較為薄弱的國內(nèi)廠商并不排斥具有強(qiáng)大實(shí)力的國際大公司。北京中科模識科技有限公司總裁徐波博士認(rèn)為，“目前與IBM和微軟這樣的巨頭之間并不是競爭的局面。如果他們在技術(shù)上取得突破并形成產(chǎn)品，或者把語音識別嵌入到他們自己的強(qiáng)勢產(chǎn)品中去，也不一定是壞事。這樣，將會有更多的人接受語音識別技術(shù)，市場規(guī)模會更大。”
　　鄭方博士表示，“關(guān)鍵的問題是如何把現(xiàn)有的技術(shù)應(yīng)用到實(shí)際中去；如何從市場上獲得更多的反饋以提升技術(shù)，再把新的技術(shù)切入到產(chǎn)品中，不斷的尋找新的結(jié)合點(diǎn)。”研究怎樣跟產(chǎn)業(yè)結(jié)合是一個永恒的話題。語音識別形成產(chǎn)業(yè)并向前發(fā)展不可否認(rèn)，而能否在明年迎來新的高峰就要看國內(nèi)廠商如何的應(yīng)用技術(shù)了。業(yè)內(nèi)人士都認(rèn)為，國內(nèi)的廠商要互相取長補(bǔ)短，一起“拱”出中國的語音識別市場，單單靠一家公司是辦不到的。

　　另一方面，國內(nèi)的廠商更加重視把現(xiàn)有水平的技術(shù)應(yīng)用到實(shí)際產(chǎn)品中，而不是等待技術(shù)的各個方面都完美了才投放市場。例如得意音通利用姓名撥號的自動總機(jī)，就是基于小詞匯量的語音識別。雖然處理的對象是連續(xù)語音，但并不追求對整句的識別和理解，而是采用“關(guān)鍵詞檢出”技術(shù)，在輸入的連續(xù)語音中捕捉感興趣的部分對其進(jìn)行匹配，從而達(dá)到識別的目的。不論這一方式是否師從于國外公司，技術(shù)研發(fā)與應(yīng)用階段性的交替進(jìn)行，避免了市場對技術(shù)的過高期待，也就壓制了泡沫的產(chǎn)生。
　　一向具有前瞻性的重量級IT公司在迎合中國這次語音識別市場發(fā)展機(jī)會之時，又一次流露出了對市場發(fā)展高峰之后充分準(zhǔn)備，也讓人們看到了在可能出現(xiàn)的“第二次浪潮”后的遠(yuǎn)景。20世紀(jì)50年代就開始語音識別技術(shù)研究的IBM 不斷推出新的ViaVoice版本，把語音技術(shù)應(yīng)用到PDA、智能汽車上。它也提供語音開發(fā)工具SDK，希望締造一個全方位的語音平臺。然而，不論中國語音識別第二次浪潮會怎樣來臨，語音識別產(chǎn)品本身會給IBM帶來利益是毫無疑問的。在最近的“IBM亞太區(qū)電子商務(wù)解決方案亞洲巡展中國站”北京研討會上，IBM還現(xiàn)場演示了如何利用語音識別來控制家電設(shè)備。
　　微軟也已經(jīng)把語音識別技術(shù)集成到了多個領(lǐng)軍產(chǎn)品中，包括Office和Windows XP，其最新的語音識別服務(wù)器軟件Speech Server準(zhǔn)備在2004年上半年發(fā)布。該軟件允許用戶使用語音命令對電腦進(jìn)行操作，企業(yè)也可以利用它建立一種類似于自動電話系統(tǒng)的服務(wù)。對于語音識別技術(shù)，微軟把希望寄托于1998年成立的微軟亞洲研究院，大力投入到語音開發(fā)工具的研究和全力支持SALT規(guī)范（語音應(yīng)用語言標(biāo)記標(biāo)準(zhǔn)，可能與之前的語音可擴(kuò)展標(biāo)記語言VoiceXML形成對立狀態(tài)）上。
　　微軟當(dāng)然看到了中國語音識別市場快速發(fā)展，但它的眼光更遠(yuǎn)的放在了這一次技術(shù)應(yīng)用的高峰之后。微軟亞洲研究院語音組主任研究員張益肇博士說，“語音技術(shù)將會無處不在，隨處都會有語音平臺的用武之地，此項(xiàng)技術(shù)是微軟亞洲研究院的重心之一。微軟在醞釀?wù)Z音技術(shù)更長遠(yuǎn)的應(yīng)用，五年、十五年，或許更長時間—技術(shù)成熟度是決定因素�！蔽④浹壑�，真正的高峰在于語音識別技術(shù)使用戶以最自然方式操作電腦—這就是比爾·蓋茨提出的Natural Computing。

互聯(lián)網(wǎng)周刊