語音應用開財源

盧曉信、段云峰 2001/06/25

　　語音技術，雖然在國外出現(xiàn)得很早，但在國內(nèi)開始步入實用領域，還是最近的事情。這一方面是因為硬件處理能力的提高，另一方面也是因為漢語處理在技術上已經(jīng)有所突破。國外有資料顯示，語音技術在未來的幾年里，將以31%的年增長率進行發(fā)展。

　　語音技術主要是指基于語音進行處理的技術，主要包括：語音識別ASR、語音合成TTS等等。

　　語音技術進入商用

　　語音技術開辟了一個如此巨大的應用市場，那么目前的語音技術發(fā)展到何種程度了呢？

　　技術成熟進入商用

　　在技術方面，英語的語音技術比漢語的語音技術的商用程度更廣，實用程度更好。國內(nèi)在漢語的語音技術方面，語音合成技術比較成熟，已經(jīng)達到了商用的標準。而在語音識別方面，雖然已經(jīng)有一些產(chǎn)品開始投入商用，但還有很多的技術問題要解決。

　　廠家眾多

　　由于語音技術不僅要涉及到軟件算法，而且也要涉及到硬件的實現(xiàn)技術問題，因此，目前的語音技術廠家，也分為幾類。

　　有的是從傳統(tǒng)的CTI語音板卡廠商的角度，在產(chǎn)品中增加語音處理功能，國內(nèi)像深圳東進技術、飛環(huán)，國外NMS、Intel通信產(chǎn)品事業(yè)部的Dialogic板卡；有的完全是語音技術的科研機構(gòu)，根據(jù)自己的研究成果，進行產(chǎn)品化，例如中國科技大學的訊飛公司、清華大學的人機交互與媒體集成研究所等。在語音識別方面，國外的IBM、飛利浦、Nuance等公司，均有相關的產(chǎn)品；國內(nèi)的有香港的InfoTalk、捷通等。

　　在語音合成方面，能夠提供產(chǎn)品的公司就十分多了，有的產(chǎn)品是用軟件來實現(xiàn)，有的專門設計了硬件芯片。

　　促進網(wǎng)絡的融合

　　語音技術的發(fā)展，帶動了網(wǎng)絡的融合過程。目前，世界上的兩大通信網(wǎng)絡是電信網(wǎng)和計算機網(wǎng)，電信網(wǎng)絡是以語音信號為處理對象，計算機網(wǎng)絡則是以數(shù)據(jù)對象為其處理內(nèi)容。而語音技術為兩個網(wǎng)絡的結(jié)合，奠定了技術基礎。

　　在為用戶服務的過程中，兩種網(wǎng)絡分別扮演不同的角色。

　　語音接入通過PSTN

　　目前，人們進行信息交流的主要方式，還是通過電話網(wǎng)。用戶可以通過撥打一個電話號碼，接入到信息訪問中心。

　　語音處理依靠計算機網(wǎng)絡

　　計算機網(wǎng)絡最大的優(yōu)點是處理信息的能力十分強大。因此，采用語音技術，計算機就可以讀懂用戶想要哪方面的信息，并自動尋找該信息，然后，通過語音技術將信息以語音的形式回放給用戶。

　　這就形成了一個理想的網(wǎng)絡信息訪問模式，電話網(wǎng)絡負責語音接入，計算機網(wǎng)絡負責信息的處理。

　　開辟新應用

　　語音技術的應用十分廣泛。

　　金融方面

　　采用了語音技術后，通過電話，不用人工的干預，就可以進行賬戶余額查詢，完成賬戶間的轉(zhuǎn)賬等工作。不僅提高了工作的效率，也改善了服務的形象。

　　證券方面

　　用戶通過電話可以查詢當前的股市情況，不用再按電話上的按鍵，而是直接說出自己關心的股票的名稱，例如“深發(fā)展”，然后計算機就通過語音合成技術，將結(jié)果播報出來。這樣，用戶就不用記那些股票號碼了。

　　電信方面

　 采用語音技術，在電信業(yè)務中將產(chǎn)生很多的應用。例如在“114”電話黃頁中，目前還要有大量的人工服務，而如果采用語音技術，就可以不用人工服務，讓計算機自動接聽用戶的需要，然后回放查詢的電話號碼。

　　旅游方面

　　用戶可以通過電話，自動查詢那些感興趣的景點的語音介紹材料，相當于請了一個電話導游。而且出現(xiàn)問題時，也可以通過電話，進行各種求助。

　　尋呼方面

　　尋呼目前還是通過尋呼小姐記下用戶要尋呼的目標號碼，然后將內(nèi)容輸入到尋呼系統(tǒng)進行發(fā)射。采用語音技術后，可以讓計算機自動地進行整個操作過程。

　　娛樂方面

　　語音技術在娛樂方面，也可以激發(fā)出許多的新應用。例如，在通過電話進行電視MTV點播時，可以避免重復地按電話上的按鍵，而是直接說出哪個歌手的哪首歌，電視臺就接受語音輸入，而播放相應的曲目。

　　面臨問題

　　可以看到，將來成熟的語音技術將會帶來巨大的影響，但目前的語音技術還存在著一些問題，而且，單靠語音技術也是不夠的，要和其他領域的知識進行結(jié)合，才能產(chǎn)生豐富的應用。

　　語音識別技術方面

　　目前，在漢語方面，語音合成的技術已經(jīng)達到了實用階段，但在語音識別方面，還有很多問題要解決。

　　用戶的獨立性問題：就是如何識別不同嗓音和口音的用戶，而無需通過軟件訓練來實現(xiàn)。

　　自然語音理解能力：能夠直接了解用戶的需要，就像人一樣，可以通過幾個簡單縮語，就可以明白對方的想法。

　　插入處理能力：插入能力允許用戶在系統(tǒng)提示時中斷系統(tǒng)，但系統(tǒng)仍然能夠知道用戶的請求。

　　聲紋識別問題：每個人的聲音都有一定的特點，是否也能夠像識別指紋一樣，識別聲紋呢？這樣許多鑒權應用將十分簡單。

　　業(yè)務策略方面

　　業(yè)務的應用情況，也取決于業(yè)務的管理水平，業(yè)務的營銷能力、服務水平、售后能力等因素，也同樣制約著最終業(yè)務的應用情況。

摘自《中國計算機報》