語音合成技術(shù)與電信應(yīng)用

易 龍 2001/06/05

隨著信息產(chǎn)業(yè)的快速發(fā)展，電信服務(wù)日趨豐富多彩，因特網(wǎng)應(yīng)用越來越人性化，以前主要應(yīng)用于計算機領(lǐng)域的語音合成技術(shù)最近與通信網(wǎng)絡(luò)的結(jié)合成為新的應(yīng)用熱點。最近，記者走訪了清華大學(xué)計算機系人機交互與多媒體集成研究所蔡蓮紅教授和陶建華博士�！�—編者

語音識別和語音合成技術(shù)是實現(xiàn)人機語音通信及建立一個有聽和講能力的口語系統(tǒng)所必需的兩項關(guān)鍵技術(shù)。使電腦具有類似于人一樣的說話和聽懂人說話的能力，是２０世紀９０年代信息產(chǎn)業(yè)的重要競爭市場。和語音識別相比，語音合成技術(shù)相對說來要成熟一些，是該領(lǐng)域中近期最有希望產(chǎn)生突破并形成產(chǎn)業(yè)化的一項技術(shù)。

清華大學(xué)計算機系人機語音對話研究組成立于１９７９年。１９９２年研制成功漢語ＴＴＳ（文字－語音轉(zhuǎn)換）系統(tǒng)Ｓｏｎｉｃ。經(jīng)過多年的改進，Ｓｏｎｉｃ系統(tǒng)目前可運行在ＤＯＳ、Ｗｉｎｄｏｗｓ、Ｕｎｉｘ等操作系統(tǒng)下。清華大學(xué)研究了漢語的聲調(diào)、重音、語調(diào)的聲學(xué)特性，并設(shè)計了韻律控制符，進行了重音和語調(diào)的模擬。在韻律規(guī)則方面，采用統(tǒng)計和規(guī)則相結(jié)合的方法，研究了漢語韻律規(guī)則并進行了一定的韻律模擬工作。在韻律的學(xué)習(xí)算法方面，已經(jīng)針對神經(jīng)網(wǎng)絡(luò)模型中層次結(jié)構(gòu)和訓(xùn)練算法及其輸入、輸出參數(shù)的設(shè)計進行了一定的研究。未來，期望通過進一步研究ＴＴＳ系統(tǒng)的韻律學(xué)習(xí)能力，優(yōu)化韻律規(guī)則，完善韻律描述，同時改變合成語音千篇一律、缺乏變化的現(xiàn)狀。

目前，網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，使Ｉｎｔｅｒｎｅｔ服務(wù)項目日益增多，時效性提高。同時，電話已成為人與網(wǎng)絡(luò)交互信息的終端，如通過電話查詢股票行情，進行股票交易；通知或查詢即時到達的電子郵件；通過電話進行電子商務(wù)活動等。這些不但用到電話技術(shù)，還必須與語音合成技術(shù)緊密配合。它們促進了電話網(wǎng)和數(shù)據(jù)網(wǎng)的融合，為人們提供了全新的服務(wù)。借助ＴＴＳ技術(shù)，可以把數(shù)據(jù)庫中的文字變成聲音，用戶利用電話收聽即時變化的信息，這樣就能通過電信網(wǎng)絡(luò)為用戶提供各種信息服務(wù)。用戶可以通過計算機或電話得到Ｉｎｔｅｒｎｅｔ的服務(wù)。當以電話方式獲得服務(wù)時，信息提供商應(yīng)能自適應(yīng)地傳送用戶所需信息，即將文字、圖表及有關(guān)信息轉(zhuǎn)換成聲音，傳送到用戶的電話上。在移動通信領(lǐng)域，用戶使用手機查看電子郵件十分不方便，而語音合成技術(shù)可以將電子郵件轉(zhuǎn)換成聲音，使用戶接收變得十分容易。ＴＴＳ技術(shù)是實現(xiàn)這些服務(wù)的關(guān)鍵。

據(jù)了解，清華大學(xué)目前正在與炎黃新星公司合作開發(fā)電信領(lǐng)域的語音合成技術(shù)應(yīng)用，目前其在統(tǒng)一消息系統(tǒng)中采用了清華的ＴＴＳ技術(shù)，使用戶在任何位置都能收聽到自己的電子郵件。這一方案目前被應(yīng)用于中國移動夢網(wǎng)，雙方還計劃將這一技術(shù)進一步推廣到更大的電信應(yīng)用領(lǐng)域。

摘自《人民郵電報 》