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

跨國巨頭猛攻語音識(shí)別技術(shù)

2007/03/09

　　語音識(shí)別已經(jīng)不再遙不可及！

　　近日，微軟新推出的Windows Vista就安裝了語音識(shí)別系統(tǒng)。不懂鼠標(biāo)和鍵盤操作的人，有了此軟件的幫助，問題就能迎刃而解。這也是這一操作系統(tǒng)的一大亮點(diǎn)。

　　從上世紀(jì)50年代開始，語音識(shí)別作為重要的研究對(duì)象，引起了科學(xué)家的廣泛興趣。今天，半個(gè)多世紀(jì)過去了，語音識(shí)別技術(shù)已經(jīng)發(fā)生了突飛猛進(jìn)的變化，IBM、蘋果和微軟等公司甚至已經(jīng)把它應(yīng)用于自己的部分產(chǎn)品中。

　　目前，語音識(shí)別軟件主要運(yùn)用于法律和醫(yī)藥領(lǐng)域，但隨著軟件的日趨完善，將被更多領(lǐng)域采納和運(yùn)用，并幫助人們解決疑難問題。

　　不過，語音識(shí)別軟件目前或多或少存在缺陷，如抗干擾差、語音識(shí)別誤差較大、易受黑客攻擊等。因此，要想短期內(nèi)取代手工操作還不現(xiàn)實(shí)。

　　備受青睞

　　其實(shí)，自電腦誕生以來，讓電腦聽懂人們的說話，就是科學(xué)家們奮斗的目標(biāo)。幾年前，這方面還僅局限于實(shí)驗(yàn)室內(nèi)的演示。不過現(xiàn)在不同了，電腦的語音識(shí)別功能已經(jīng)有了質(zhì)的飛躍，并被廣泛運(yùn)用到各個(gè)領(lǐng)域。

　　微軟和福特汽車正在進(jìn)行一項(xiàng)有趣的工作，他們希望人們能向汽車發(fā)出口頭指令，這讓人覺得有些不可思議。不過，人們通過芯片進(jìn)行口頭交流，早已成為現(xiàn)實(shí)，只是目前還沒有被廣泛應(yīng)用到日常生活中，所以大家對(duì)此感到陌生。可以肯定的是，隨著技術(shù)的日趨成熟，今后人們和芯片的交流的機(jī)會(huì)將越來越多。

　　前不久，在拉斯維加斯舉行的國際電子消費(fèi)品展覽會(huì)上，比爾·蓋茨和福特汽車的高管們，展示了微軟的Sync軟件，它可讓駕車者們?nèi)绾瓮ㄟ^口頭指令，在車內(nèi)播放音樂和撥打電話。但是，通過口頭指令駕駛汽車還難以被廣泛運(yùn)用，至少目前還不行。

　　IBM在語音識(shí)別技術(shù)上，一直走在最前沿。以它的ViaVoice軟件為例，這種軟件可以幫助人們通過麥克風(fēng)用語音向字處理軟件輸入文字，能識(shí)別英語、意大利語、德語、法語、日語、漢語等語種。由于大量的無線上網(wǎng)設(shè)備的使用，語音識(shí)別軟件的銷售前景看好，特別適用于醫(yī)生、律師和作家等職業(yè)。

　　從去年9月1日開始，該語音識(shí)別軟件已經(jīng)開始降價(jià)銷售，其中最便宜的一款只需30美元。據(jù)估計(jì)，目前，全世界已有1000多萬人在使用ViaVoice軟件。

　　微軟新版的Windows操作系統(tǒng)Vista，也配置了先進(jìn)的語音識(shí)別軟件。用戶可以通過語音和計(jì)算機(jī)交流——對(duì)于無法操作鍵盤和鼠標(biāo)設(shè)備的人們，這是一個(gè)很重要的功能。經(jīng)過訓(xùn)練，Vista能識(shí)別用戶的語音。這樣，用戶就可以通過口述來“書寫”信件或電子郵件。一言以敝之，用戶可以通過語音來執(zhí)行大多數(shù)常見任務(wù)。

　　不過，目前世界上最先進(jìn)的語音識(shí)別軟件，既不是微軟生產(chǎn)的，也非IBM制造，它的名字叫做Naturally Speaking，出自于Nuance Communications公司。

　　Naturally Speaking已經(jīng)得到了大多數(shù)用戶的認(rèn)可。用戶對(duì)著麥克風(fēng)說話，屏幕上就顯示出說話的內(nèi)容，很容易識(shí)別和糾正錯(cuò)誤。久而久之，該軟件就會(huì)適應(yīng)用戶的說話風(fēng)格，當(dāng)然，用戶如果在說話過程中發(fā)現(xiàn)軟件無法識(shí)別的，也相應(yīng)地作出調(diào)整，這樣一來，語音識(shí)別的正確率就會(huì)逐漸提高。

　　用途廣泛

　　在語音識(shí)別軟件領(lǐng)域，比爾·邁森很有發(fā)言權(quán)，他是這方面的專家。他指出：“目前該軟件主要用于法律和醫(yī)學(xué)等特定領(lǐng)域。例如，放射線學(xué)者們?cè)絹碓蕉嗟赝ㄟ^語音識(shí)別軟件口授診斷報(bào)告和結(jié)果，而不再由錄音機(jī)錄下口頭報(bào)告，再加以轉(zhuǎn)錄。”

　　語音識(shí)別軟件是利用非常復(fù)雜的統(tǒng)計(jì)方法，把人們的講話與單詞相對(duì)應(yīng)起來的。如今，語音識(shí)別技術(shù)在一些領(lǐng)域已經(jīng)得到廣泛應(yīng)用，如呼叫中心。采用這項(xiàng)技術(shù)，可以省去不少麻煩，目前已有不少電腦查詢服務(wù)采用了Nuance公司的技術(shù)，來處理客戶的需求。

　　可以看出，語音識(shí)別技術(shù)的特點(diǎn)就是使工作變得自動(dòng)化。但也有人指出，語音識(shí)別技術(shù)發(fā)展到足夠強(qiáng)大并得到普遍應(yīng)用的時(shí)候，在給人類帶來方便的時(shí)候，同時(shí)也會(huì)使更多的人失去工作。比如，現(xiàn)在很多公司都設(shè)置咨詢室，將來有可能被機(jī)器取代，人們可以通過公司的電腦發(fā)出口頭指令來完成各項(xiàng)咨詢。

　　邁森預(yù)言：“接下來，語音識(shí)別技術(shù)將被用于網(wǎng)絡(luò)搜索�！辈痪玫膶�， Google和雅虎將推出面向手機(jī)用戶的語音搜索服務(wù)，用戶只要說出自己要找什么，就可以聽到電腦的自動(dòng)答復(fù)。這2家公司都已聘請(qǐng)了語音識(shí)別技術(shù)專家。Nuance還與雅虎對(duì)簿公堂，因?yàn)檠呕⑼谧吡薔uance的13名工程師。

　　IBM也不甘步人后塵，此前它在語音識(shí)別一直處在領(lǐng)先位置。目前，IBM正在實(shí)施一個(gè)超前的計(jì)劃——研制一種能監(jiān)聽4-5個(gè)人參加的小型會(huì)議的語音識(shí)別軟件，用以提供準(zhǔn)確的書面記錄。這一步邁得很大，不知道何時(shí)能取得成功。

　　此外，負(fù)責(zé)IBM的語音識(shí)別技術(shù)開發(fā)的戴維·那哈莫還表示，該公司已經(jīng)開發(fā)出了其他一些應(yīng)用軟件。其中一項(xiàng)能自動(dòng)翻譯外語廣播——該軟件首先通過語音識(shí)別技術(shù)記錄下說話者所說的話，然后通過翻譯軟件把外語翻譯成英語。

　　盡管這一軟件目前還不成熟，不過它已經(jīng)能夠翻譯出說話者的要點(diǎn)。這一軟件的賣點(diǎn)不錯(cuò)，尤其受缺乏外語人才的機(jī)構(gòu)和部門歡迎，比如情報(bào)機(jī)構(gòu)。當(dāng)然，該軟件也適合缺乏人手的電視臺(tái)，為聽覺有障礙的觀眾提供字幕服務(wù)。

　　正視缺陷

　　當(dāng)然，語音識(shí)別軟件還沒有發(fā)展到能夠取代鍵盤和鼠標(biāo)的程度，還有很多不完善的地方，這也是所有語音識(shí)別軟件目前普遍存在的問題。比如抗干擾，這類軟件還無法分辨出哪是人的發(fā)音，哪是音響的發(fā)音。

　　在語音識(shí)別上，目前也存在差錯(cuò)。在一家公司的一次演示中，與會(huì)者大跌眼鏡。這家公司的工作人員試圖讓自己開發(fā)的軟件識(shí)別“Dear Mom”這個(gè)短語的發(fā)音，然而，讓人哭笑不得的是，語音識(shí)別軟件卻把它理解為“Dear aunt”，也就是著名的“認(rèn)母為姨”。

　　此外，語音識(shí)別還可能被黑客利用，不久前就傳出Vista的語音功能存在缺陷，容易遭致黑客利用進(jìn)行遠(yuǎn)程語音攻擊。微軟對(duì)此表示，安全人員此前公布了該漏洞，影響微乎其微。

　　微軟安全響應(yīng)中心的發(fā)言人宣稱，攻擊者利用此漏洞僅能獲得當(dāng)前用戶的權(quán)限，并不能繞過用戶帳戶控制系統(tǒng)的監(jiān)管運(yùn)行任何管理員級(jí)別的命令。黑客要想成功發(fā)動(dòng)攻擊，前提條件是目標(biāo)系統(tǒng)已經(jīng)設(shè)置好語音識(shí)別功能，并且啟用話筒和音箱，此時(shí)他們可以通過音頻文件的播放執(zhí)行復(fù)制、刪除、關(guān)機(jī)等命令。因此微軟方面建議不要一直同時(shí)開啟麥克風(fēng)和音箱。如發(fā)現(xiàn)有執(zhí)行命令的音頻文件播放，要關(guān)閉媒體播放器和語音識(shí)別，重啟電腦。

　　安全響應(yīng)中心的程序經(jīng)理Adrian Stone稱：“我們對(duì)該問題十分重視，經(jīng)過調(diào)查，我可以自信地說，沒有必要擔(dān)心該問題�！�

　　蘋果公司在語音識(shí)別上也曾經(jīng)存在漏洞，不過，發(fā)現(xiàn)后他們很快修復(fù)了漏洞。

IT時(shí)代周刊


相關(guān)鏈接:
自動(dòng)語音系統(tǒng)：虛擬人物提供人性化呼叫業(yè)務(wù) 2007-01-23
語音識(shí)別 理想與現(xiàn)實(shí)的距離 2007-01-19
語音識(shí)別技術(shù)前景廣闊 2007-01-16
電話銀行系統(tǒng)可識(shí)別用戶語音 2006-11-03
語音自助服務(wù)并不僅僅是技術(shù) 2006-11-02

分類信息:  企業(yè)通信_(tái)與_國外動(dòng)態(tài)  企業(yè)通信_(tái)與_市場(chǎng)動(dòng)態(tài)  語音應(yīng)用_與_國外動(dòng)態(tài)  語音應(yīng)用_與_市場(chǎng)動(dòng)態(tài)
           國外動(dòng)態(tài)_與_市場(chǎng)動(dòng)態(tài)