語音識別還有幾道坎

 

　　憑心而論，語音識別是一項復(fù)雜的技術(shù)，特別對于漢語語音識別尤其如此。因此，盡管多年前就有眾多公司和研究機構(gòu)開始了語音技術(shù)，包括語音識別和語音合成技術(shù)的研究，但直到最近一兩年，在國內(nèi)應(yīng)該說是今年，才開始有規(guī)模的商用。
　　■用戶的獨立性
　　所謂用戶的獨立性，就是語音識別軟件能夠識別有不同嗓音和口音的用戶，而無需通過訓(xùn)練軟件來使其識別一個特殊用戶的聲音。目前的許多語音識別軟件，是基于標準的發(fā)音來進行識別的。而實際上，人們說話千差萬別，發(fā)音也各不相同，特別對于有口音的語音來說，更是對語音識別軟件提出了嚴峻的挑戰(zhàn)。目前的語音識別軟件大部分是通過自學(xué)習(xí)功能，不斷的訓(xùn)練來達到軟件對于特定用戶語音的識別。
　　■自然的語言能力
　　許多語音識別系統(tǒng)還具有自然的語言能力，這就是軟件理解講話者的能力。這種能力不僅表現(xiàn)在特定的單詞上，甚至還表現(xiàn)在短語和完整的句子上。自然的語言意味著兩點：第一，它可讓用戶用句子來表達意思。例如，為表達checking account，用戶可使用有更多單詞的自然句子，如I'd like my checking account balance。 第二指用戶可使用包含多義詞的句子。例如，我們可說I want to transfer $500 dollars from my savings account to my checking account。這是自然語言的一個主要準則，用戶可在一個單句中使用多個多義詞。
　　■處理插入的能力
　　新增的插入的能力是語音識別軟件的另一個主要進步。插入的能力允許用戶在系統(tǒng)提示時中斷系統(tǒng)，但系統(tǒng)依然能知道用戶的請求。
　　■軟件身份驗證的能力
　　語音識別銷售商最近還介紹了軟件身份驗證的能力，即根據(jù)用戶的嗓音和語言特點，來達到識別用戶的能力。這在實際中是一個非常有價值的特點，如可用于人事管理上。

《賽迪市場專家》 2000/12/07