|
卢晓信、段云峰 2001/06/25
语音技术，虽然在国外出现得很早，但在国内开始步入实用领域，还是最近的事情。这一方面是因为硬件处理能力的提高，另一方面也是因为汉语处理在技术上已经有所突破。国外有资料显示，语音技术在未来的几年里，将以31%的年增长率进行发展。
语音技术主要是指基于语音进行处理的技术，主要包括：语音识别ASR、语音合成TTS等等。
语音技术进入商用
语音技术开辟了一个如此巨大的应用市场，那么目前的语音技术发展到何种程度了呢？
技术成熟进入商用
在技术方面，英语的语音技术比汉语的语音技术的商用程度更广，实用程度更好。国内在汉语的语音技术方面，语音合成技术比较成熟，已经达到了商用的标准。而在语音识别方面，虽然已经有一些产品开始投入商用，但还有很多的技术问题要解决。
厂家众多
由于语音技术不仅要涉及到软件算法，而且也要涉及到硬件的实现技术问题，因此，目前的语音技术厂家，也分为几类。
有的是从传统的CTI语音板卡厂商的角度，在产品中增加语音处理功能，国内像深圳东进技术、飞环，国外NMS、Intel通信产品事业部的Dialogic板卡；有的完全是语音技术的科研机构，根据自己的研究成果，进行产品化，例如中国科技大学的讯飞公司、清华大学的人机交互与媒体集成研究所等。在语音识别方面，国外的IBM、飞利浦、Nuance等公司，均有相关的产品；国内的有香港的InfoTalk、捷通等。
在语音合成方面，能够提供产品的公司就十分多了，有的产品是用软件来实现，有的专门设计了硬件芯片。
促进网络的融合
语音技术的发展，带动了网络的融合过程。目前，世界上的两大通信网络是电信网和计算机网，电信网络是以语音信号为处理对象，计算机网络则是以数据对象为其处理内容。而语音技术为两个网络的结合，奠定了技术基础。
在为用户服务的过程中，两种网络分别扮演不同的角色。
语音接入通过PSTN
目前，人们进行信息交流的主要方式，还是通过电话网。用户可以通过拨打一个电话号码，接入到信息访问中心。
语音处理依靠计算机网络
计算机网络最大的优点是处理信息的能力十分强大。因此，采用语音技术，计算机就可以读懂用户想要哪方面的信息，并自动寻找该信息，然后，通过语音技术将信息以语音的形式回放给用户。
这就形成了一个理想的网络信息访问模式，电话网络负责语音接入，计算机网络负责信息的处理。
开辟新应用
语音技术的应用十分广泛。
金融方面
采用了语音技术后，通过电话，不用人工的干预，就可以进行账户余额查询，完成账户间的转账等工作。不仅提高了工作的效率，也改善了服务的形象。
证券方面
用户通过电话可以查询当前的股市情况，不用再按电话上的按键，而是直接说出自己关心的股票的名称，例如“深发展”，然后计算机就通过语音合成技术，将结果播报出来。这样，用户就不用记那些股票号码了。
电信方面
采用语音技术，在电信业务中将产生很多的应用。例如在“114”电话黄页中，目前还要有大量的人工服务，而如果采用语音技术，就可以不用人工服务，让计算机自动接听用户的需要，然后回放查询的电话号码。
旅游方面
用户可以通过电话，自动查询那些感兴趣的景点的语音介绍材料，相当于请了一个电话导游。而且出现问题时，也可以通过电话，进行各种求助。
寻呼方面
寻呼目前还是通过寻呼小姐记下用户要寻呼的目标号码，然后将内容输入到寻呼系统进行发射。采用语音技术后，可以让计算机自动地进行整个操作过程。
娱乐方面
语音技术在娱乐方面，也可以激发出许多的新应用。例如，在通过电话进行电视MTV点播时，可以避免重复地按电话上的按键，而是直接说出哪个歌手的哪首歌，电视台就接受语音输入，而播放相应的曲目。
面临问题
可以看到，将来成熟的语音技术将会带来巨大的影响，但目前的语音技术还存在着一些问题，而且，单靠语音技术也是不够的，要和其他领域的知识进行结合，才能产生丰富的应用。
语音识别技术方面
目前，在汉语方面，语音合成的技术已经达到了实用阶段，但在语音识别方面，还有很多问题要解决。
用户的独立性问题：就是如何识别不同嗓音和口音的用户，而无需通过软件训练来实现。
自然语音理解能力：能够直接了解用户的需要，就像人一样，可以通过几个简单缩语，就可以明白对方的想法。
插入处理能力：插入能力允许用户在系统提示时中断系统，但系统仍然能够知道用户的请求。
声纹识别问题：每个人的声音都有一定的特点，是否也能够像识别指纹一样，识别声纹呢？这样许多鉴权应用将十分简单。
业务策略方面
业务的应用情况，也取决于业务的管理水平，业务的营销能力、服务水平、售后能力等因素，也同样制约着最终业务的应用情况。
摘自《中国计算机报》
| 