IBM ViaVoice Telephony——完善的中文電話語音技術(shù)
2001/11/14
語音技術(shù)，雖然在國外出現(xiàn)得很早，但在國內(nèi)開始步入實用領(lǐng)域，還是最近的事情。尤其是語音技術(shù)在智能電話系統(tǒng)中的應(yīng)用，國外已經(jīng)有了不少較大規(guī)模的語音識別IVR系統(tǒng)或者呼叫中心的應(yīng)用，然而在國內(nèi)，雖然有將語音識別和呼叫中心結(jié)合起來的趨勢，但仍沒有多少應(yīng)用。目前電話高度普及，如果通過最便捷的電話方式就能查詢到所需信息，無疑將給人們的日常生活帶來極大方便。雖然影響語音技術(shù)在電話系統(tǒng)中應(yīng)用的因素很多，但重要的一點就是漢語語音識別技術(shù)還不夠完善。
基于電話的語音識別技術(shù)與基于電腦的有很多不同之處。電腦錄入使用的是非自然語言，而電話是自然語言。要做好對電話語音的識別，就需要系統(tǒng)能夠?qū)δ信仙�，甚至是帶有一些地方口音的各種語言進行識別。并且，電話語音識別系統(tǒng)必須具有處理插入的能力。即允許用戶在系統(tǒng)提示時中斷系統(tǒng)，但系統(tǒng)依然能知道用戶的請求。因為人們在說話時，總是在不自覺地思考，經(jīng)常會打斷語言的連續(xù)性，而插入一些補充性的語言。這樣的語言，在語法上來說經(jīng)常是不正確的，常規(guī)的語音識別系統(tǒng)很難處理這些語音。
經(jīng)過多年的研究，IBM公司已經(jīng)突破了漢語語音識別技術(shù)上的重重難關(guān)，為智能電話系統(tǒng)提供了IBM ViaVoice Telephony電話語音系統(tǒng)開發(fā)工具。作為IBM公司中文語音識別技術(shù)的最新成果，IBM ViaVoice Telephony電話語音系統(tǒng)開發(fā)工具提供了一個開放式的電話語音識別引擎和完善的應(yīng)用開發(fā)環(huán)境，使語音功能可以方便快捷地被集成到電話系統(tǒng)中，為網(wǎng)上聲訊服務(wù)、電子商務(wù)，以及涉及電話通信的應(yīng)用系統(tǒng)提供語音交互界面。
IBM ViaVoice Telephony中文電話語音技術(shù)是IBM ViaVoice中文語音識別技術(shù)在電話通信領(lǐng)域中的延伸和發(fā)展。它的語音識別引擎采用實際電話信道的語音樣本，對于普通電話和移動電話均能獲得很高的識別率。由于語音識別引擎沒有特定授話人的限制，任何能講標(biāo)準(zhǔn)漢語普通話的人都可以使用。并且電話語音的應(yīng)用不但可以運行在單機系統(tǒng)上，更可以擴展為多引擎、多服務(wù)器的大型企業(yè)級應(yīng)用，動態(tài)的負(fù)載平衡能力可以令系統(tǒng)時刻保持最優(yōu)的效能。
同時，IBM ViaVoice Telephony 電話語音系統(tǒng)開發(fā)工具庫還為程序員開發(fā)和測試電話語音識別應(yīng)用程序提供了一套完善的實用程序。該工具庫對TCL/TK腳本語言進行了擴展，簡化了應(yīng)用程序的開發(fā)和定制過程，并提供了與硬件無關(guān)的語音識別和語音合成引擎C/C++接口，使得開發(fā)人員可以開發(fā)面向?qū)ο蟮慕鉀Q方案。工具庫中還包括了若干示例程序，可以幫助用戶理解如何將語音識別集成到電話語音應(yīng)用程序中。另外，軟件中還附帶了幾個實用程序，來協(xié)助開發(fā)人員開發(fā)、測試和管理電話語音識別應(yīng)用程序。
通過IBM ViaVoice Telephony電話語音識別技術(shù)，在許多領(lǐng)域已可以很方便的實現(xiàn)人機語音自動交互服務(wù)，例如：信息查詢，尋呼臺、電話轉(zhuǎn)接中心；金融領(lǐng)域，如家庭銀行或股票信息查詢；旅游服務(wù)領(lǐng)域，如飛機定票或旅館預(yù)定，等。另外隨著互聯(lián)網(wǎng)的迅猛發(fā)展，電話輕松上網(wǎng)獲取信息，更是廣大用戶的迫切希望。通過電話上網(wǎng)，用戶只需說出想得到的網(wǎng)上信息，機器自動識別，將用戶的請求送到互聯(lián)網(wǎng)上，并把返回的相關(guān)信息用語音合成技術(shù)回放給用戶，提供人性化的語音應(yīng)答交互界面。
目前，基于IBM電話語音技術(shù)，tom.com開發(fā)了第一個商用中文語音門戶——Tom及時語（http://cn.tom.com/tomvoice）。通過電話語音識別技術(shù)，可以使用戶用電話訪問原來只能通過因特網(wǎng)或內(nèi)部網(wǎng)的應(yīng)用；在任何時間，任何地點快速便捷獲取所需信息和進行在線交易。
隨著中文電話語音應(yīng)用的推廣和深入,針對實際應(yīng)用的需求，一系列新技術(shù)被開發(fā)出來。例如，關(guān)鍵詞辯識技術(shù)可使用戶更加自然地和遠端服務(wù)器交互；針對字母及數(shù)字串專用聲學(xué)模型的建立，為在線語音驅(qū)動的電子商務(wù)、個性化信息服務(wù)提供了有力的保證；針對許多應(yīng)用中有中英文混合使用的情況，開發(fā)了同時支持普通話、臺灣普通話、粵語和英語的混合語音技術(shù)，進一步拓展了應(yīng)用的廣度。
相信，隨著IBM ViaVoice Telephony技術(shù)在通訊、金融、旅游以及醫(yī)療等領(lǐng)域的進一步推廣和應(yīng)用，將會給人們的工作和生活帶來質(zhì)的變化。有專家預(yù)測，隨著技術(shù)的快速發(fā)展，再過10～20年的時間，我們將可以做到非常自然的人機交互式對話。那時，人們的生活必將更加多姿多彩。
IBM供稿 CTI論壇編輯
| ViaVoice語音上網(wǎng)新概念 2001-11-14 |
| IBM ViaVoice更方便更健康 2001-11-14 |
| 語音識別重在應(yīng)用 2001-11-14 |
| CRM中的IBM語音技術(shù) 2001-10-10 |
| IBM Viavoice：掛在嘴邊的輸入法 2001-10-10 |