首頁(yè)>>>技術(shù)>>>語(yǔ)音應(yīng)用>>>語(yǔ)音識(shí)別(ASR)　　語(yǔ)音識(shí)別產(chǎn)品

聲音的力量：對(duì)話谷歌語(yǔ)音技術(shù)負(fù)責(zé)人

2011/02/17

　　北京時(shí)間2月16日消息，據(jù)國(guó)外媒體報(bào)道，知名科技博客TechCrunch作者賈森·金凱德（Jason Kincaid）發(fā)表文章，講述了他與谷歌語(yǔ)音技術(shù)負(fù)責(zé)人邁克·科恩（Mike Cohen）最近進(jìn)行的一次談話，內(nèi)容涉及谷歌大力投入語(yǔ)音技術(shù)的原因及發(fā)展前景。

谷歌語(yǔ)音技術(shù)負(fù)責(zé)人邁克·科恩（Mike Cohen）
　　以下為全文摘要：

　　盡管智能手機(jī)應(yīng)用程序花樣翻新，層出不窮，但是如果你拿出手機(jī)，說(shuō)一聲“尋找到科技館的道路”，谷歌就會(huì)立即照做的話，你仍然會(huì)感到這個(gè)情景有點(diǎn)不太尋常。語(yǔ)音技術(shù)通過(guò)iPhone應(yīng)用程序，以及與Android的深度整合，正在變得日益普遍，而這實(shí)際上僅僅是一個(gè)開(kāi)始。

　　回顧過(guò)去

　　在討論現(xiàn)在的狀況之前，我們先來(lái)回顧一下科恩過(guò)去的經(jīng)歷，也可以說(shuō)這是在回顧語(yǔ)音技術(shù)的歷史，因?yàn)殡m然科恩從2004年開(kāi)始一直在谷歌工作，但他自80年代初在斯坦福研究院做研究時(shí)起，就站在語(yǔ)音和技術(shù)的交匯之處，至今已經(jīng)幾十年了。

　　科恩說(shuō)，在20世紀(jì)70年代語(yǔ)音工作有兩大陣營(yíng)：語(yǔ)言學(xué)家和工程師。語(yǔ)言學(xué)家強(qiáng)調(diào)規(guī)則——他們會(huì)找出語(yǔ)法和發(fā)音上的各種趨勢(shì)，以及每一個(gè)音素如何與其他音素互動(dòng)。工程師們則采用了不同的方法：他們的目標(biāo)不是試圖以人工方式精心確定每個(gè)規(guī)則，而是構(gòu)建復(fù)雜的統(tǒng)計(jì)模型，當(dāng)有更多的語(yǔ)音數(shù)據(jù)輸入到這些模型中時(shí)，它們就會(huì)得以改進(jìn)。

　　到了70年代末和80年代初，當(dāng)科恩開(kāi)始在斯坦福研究院做研究時(shí)，工程師們正處于領(lǐng)先位置，但是存在著這樣一個(gè)問(wèn)題：統(tǒng)計(jì)模型的改進(jìn)已經(jīng)開(kāi)始形成漸近線�？贫鹘忉屨f(shuō)，因?yàn)檫@些模型總是相同的，向它們輸入更多的數(shù)據(jù)終究會(huì)出現(xiàn)報(bào)酬遞減（例如他們的模型不善于識(shí)別發(fā)音在多大程度上取決于哪些詞被說(shuō)出，又在多大程度上取決于上下文是什么）。工程師們需要找到一種方式來(lái)建立更好的模型，所以他們終于開(kāi)始與語(yǔ)言學(xué)家們合作，造就了另一波研究熱潮。

　　到90年代初，語(yǔ)音技術(shù)已經(jīng)獲得了長(zhǎng)足的發(fā)展，研究人員創(chuàng)建了航空旅游信息系統(tǒng)（ATIS，Air Travel Information System，用戶可以走到一個(gè)終端，說(shuō)“告訴我從波士頓出發(fā)的航班”，計(jì)算機(jī)就會(huì)顯示相關(guān)數(shù)據(jù)。該系統(tǒng)可以識(shí)別這些命令無(wú)數(shù)種的變化，因此你不必記住某些關(guān)鍵字）。在Windows 95面市時(shí)就有了ATIS這樣的系統(tǒng)，這讓人覺(jué)得有些不可思議。

　　在ATIS獲得成功的基礎(chǔ)上，科恩認(rèn)為這項(xiàng)技術(shù)已經(jīng)做好了商業(yè)應(yīng)用的準(zhǔn)備，所以他和三個(gè)聯(lián)合創(chuàng)始人創(chuàng)辦了Nuance公司，為需要處理大量呼入電話的大公司建立自動(dòng)電話系統(tǒng)（電話公司的客戶服務(wù)系統(tǒng)就是一個(gè)例子）。

　　科恩繼續(xù)尋找改善Nuance語(yǔ)音識(shí)別軟件的方法（鑒于他曾是一位研究者，這也就不足為奇了）。而且事實(shí)證明，海量的呼入錄音比他在斯坦福研究院做研究時(shí)獲得的數(shù)據(jù)更加有用，因?yàn)橛行〇|西無(wú)法在實(shí)驗(yàn)室環(huán)境中重現(xiàn)，比如背景中的狗叫聲，孩子的哭聲等等，而這些聲音會(huì)出現(xiàn)在呼入的電話中，所以Nuance面臨著語(yǔ)音分析的重大新挑戰(zhàn)。

　　但這里有一個(gè)很大的問(wèn)題：盡管Nuance的技術(shù)正在處理大量數(shù)據(jù)，Nuance公司還是必須向它的每個(gè)企業(yè)客戶提出請(qǐng)求，以便獲得這些數(shù)據(jù)用于研究目的。這樣做對(duì)企業(yè)有好處，因?yàn)樗鼈兡軓募夹g(shù)改進(jìn)中獲益，但一些企業(yè)仍然對(duì)此持謹(jǐn)慎態(tài)度。這最終導(dǎo)致科恩進(jìn)入了谷歌。

　　GOOG-411項(xiàng)目

　　在2004年前，谷歌基本上沒(méi)有語(yǔ)音技術(shù)，但是科恩看到了機(jī)會(huì)。即使在那個(gè)時(shí)候，手機(jī)將對(duì)未來(lái)技術(shù)產(chǎn)生巨大影響的跡象就很明顯。而且，由于谷歌直接面對(duì)最終用戶，它收到的任何語(yǔ)音數(shù)據(jù)都可以方便地用于研究目的。于是科恩進(jìn)入谷歌，著手開(kāi)展GOOG-411項(xiàng)目，后來(lái)它成為谷歌的免費(fèi)411語(yǔ)音服務(wù)。

　　這項(xiàng)服務(wù)在2007年推出，它提供了一個(gè)簡(jiǎn)單方便的功能集：你給它打電話詢問(wèn)一些基本信息，比如一個(gè)企業(yè)的電話號(hào)碼，它就會(huì)馬上為你提供相關(guān)信息，而且是免費(fèi)的�？贫髡f(shuō)，推出GOOG-411的主要原因就是“它有用”，但它還有一個(gè)重要的副作用：谷歌從此開(kāi)始建立一個(gè)龐大的語(yǔ)音數(shù)據(jù)庫(kù)。還記得前面討論過(guò)的數(shù)據(jù)模型嗎？谷歌語(yǔ)音系統(tǒng)在概念上與之類似，但是規(guī)模大得多。

　　GOOG-411項(xiàng)目在十月份取消了，但這時(shí)谷歌已經(jīng)有了更多的語(yǔ)音數(shù)據(jù)輸入方式，包括在Android上到處可見(jiàn)的麥克風(fēng)按鈕，以及Google Mobile的iPhone應(yīng)用程序。而且谷歌可以查看基于文本的搜索查詢?cè)~條，確定一個(gè)詞后面出現(xiàn)得最頻繁的是哪個(gè)詞。這一切都意味著谷歌可以相對(duì)較快地改進(jìn)其語(yǔ)言模型。

　　科恩說(shuō)，如今谷歌使用2300億個(gè)搜索查詢?cè)~條來(lái)“培訓(xùn)”其語(yǔ)音識(shí)別功能所使用的語(yǔ)言模型。為了形象地說(shuō)明數(shù)據(jù)量有多大，科恩說(shuō)，如果只用一個(gè)CPU，這個(gè)“培訓(xùn)”需要70年時(shí)間才能完成。

　　這項(xiàng)技術(shù)現(xiàn)在已經(jīng)用在谷歌的多種產(chǎn)品中。YouTube自動(dòng)為數(shù)百萬(wàn)視頻添加了字幕。谷歌語(yǔ)音服務(wù)嘗試將呼入的語(yǔ)音郵件轉(zhuǎn)錄成文字（產(chǎn)生了一些非�；慕Y(jié)果）。語(yǔ)音搜索將在移動(dòng)設(shè)備上發(fā)揮更大的作用，所以，如果在不太遙遠(yuǎn)的將來(lái)，你看到配有媒體中心的車輛在運(yùn)行Android，請(qǐng)不要感到驚訝，它們肯定帶有語(yǔ)音功能。

　　科恩很高興地談起谷歌在聲音技術(shù)上做出的努力，但他沒(méi)有透露統(tǒng)計(jì)數(shù)據(jù)，即將發(fā)布的功能，也沒(méi)有做出預(yù)測(cè)�？贫鞒姓J(rèn)，谷歌語(yǔ)音搜索的量波動(dòng)很大，取決于是否有新的帶有語(yǔ)音功能的服務(wù)推出，以及是否報(bào)刊最近進(jìn)行了報(bào)道。

　　當(dāng)我問(wèn)他，多久之后語(yǔ)音搜索將變得非常準(zhǔn)確，以至于我們可以將它視為理所當(dāng)然（指不需要再檢查文字的拼寫(xiě)錯(cuò)誤），雖然他說(shuō)了類似于“五年”這樣話（對(duì)于研究工作而言，這相當(dāng)于是說(shuō)“我不知道”），但他不愿意談及具體計(jì)劃。

　　我也問(wèn)過(guò)他，對(duì)蘋果在語(yǔ)音技術(shù)方面采取的行動(dòng)有什么想法（蘋果去年收購(gòu)了以語(yǔ)音搜索技術(shù)為主的公司Siri，很明顯蘋果想把將語(yǔ)音技術(shù)納入到iOS中），科恩同樣也沒(méi)有這個(gè)問(wèn)題上說(shuō)多少（雖然這并不令人感到驚訝）。他只是說(shuō)，谷歌已經(jīng)推出了一個(gè)產(chǎn)品，因此擁有數(shù)據(jù)量大的天然優(yōu)勢(shì)，但這個(gè)問(wèn)題的答案最終將歸結(jié)于蘋果開(kāi)發(fā)了什么產(chǎn)品以及它與誰(shuí)合作。

　　不過(guò)，雖然科恩沒(méi)有談及具體細(xì)節(jié)，他卻講到了谷歌語(yǔ)音技術(shù)的長(zhǎng)遠(yuǎn)目標(biāo)：讓語(yǔ)音輸入變得無(wú)處不在。 “就像你可以在很多地方用鍵盤輸入文本，你也應(yīng)該可以在很多地方使用語(yǔ)音輸入�！倍鴾�(zhǔn)確性是其中的一個(gè)要點(diǎn) “它需要極為‘接近完美’，人們選擇使用語(yǔ)音輸入不在于它的表現(xiàn)，而在于最終用戶的喜好�！�

騰訊科技

三大電信運(yùn)營(yíng)商爭(zhēng)做語(yǔ)音微博名人帶動(dòng)引關(guān)注 2011-02-16

DCI體系助運(yùn)營(yíng)商建立有效“防火墻” 2011-02-15

各大移動(dòng)公司相繼推WAC應(yīng)用程序試圖搶占制高點(diǎn) 2011-02-15

移動(dòng)互聯(lián)網(wǎng)市場(chǎng)井噴超越互聯(lián)網(wǎng)指日可待 2011-02-15

熱點(diǎn)專題: 語(yǔ)音合成TTS 語(yǔ)音識(shí)別ASR 移動(dòng)互聯(lián)網(wǎng)
分類信息: 移動(dòng)互聯(lián)網(wǎng)_與_語(yǔ)音應(yīng)用移動(dòng)互聯(lián)網(wǎng)_與_移動(dòng) 移動(dòng)互聯(lián)網(wǎng)_與_移動(dòng)

义马市| 新津县| 梧州市| 濉溪县| 睢宁县| 商城县| 云阳县| 兴隆县| 和田市| 九江县| 赤城县| 鹰潭市| 奇台县| 漳州市| 泾川县| 芜湖市| 响水县| 岚皋县| 峨眉山市| 西城区| 盐边县| 嵊州市| 宜兰县| 怀来县| 淄博市| 盐源县| 正定县| 密云县| 芜湖市| 平顺县| 依安县| 西畴县| 金山区| 张家界市| 高碑店市| 三都| 莱州市| 新和县| 赤城县| 广德县| 台北县|