首頁
>>>
技術(shù)
>>>
語音應用
>>>
語音識別(ASR)
語音識別產(chǎn)品
跨國巨頭猛攻語音識別技術(shù)
2007/03/09
語音識別已經(jīng)不再遙不可及！
近日，微軟新推出的Windows Vista就安裝了語音識別系統(tǒng)。不懂鼠標和鍵盤操作的人，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。
從上世紀50年代開始，語音識別作為重要的研究對象，引起了科學家的廣泛興趣。今天，半個多世紀過去了，語音識別技術(shù)已經(jīng)發(fā)生了突飛猛進的變化，IBM、蘋果和微軟等公司甚至已經(jīng)把它應用于自己的部分產(chǎn)品中。
目前，語音識別軟件主要運用于法律和醫(yī)藥領(lǐng)域，但隨著軟件的日趨完善，將被更多領(lǐng)域采納和運用，并幫助人們解決疑難問題。
不過，語音識別軟件目前或多或少存在缺陷，如抗干擾差、語音識別誤差較大、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。
備受青睞
其實，自電腦誕生以來，讓電腦聽懂人們的說話，就是科學家們奮斗的目標。幾年前，這方面還僅局限于實驗室內(nèi)的演示。不過現(xiàn)在不同了，電腦的語音識別功能已經(jīng)有了質(zhì)的飛躍，并被廣泛運用到各個領(lǐng)域。
微軟和福特汽車正在進行一項有趣的工作，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，人們通過芯片進行口頭交流，早已成為現(xiàn)實，只是目前還沒有被廣泛應用到日常生活中，所以大家對此感到陌生�？梢钥隙ǖ氖�，隨著技術(shù)的日趨成熟，今后人們和芯片的交流的機會將越來越多。
前不久，在拉斯維加斯舉行的國際電子消費品展覽會上，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用，至少目前還不行。
IBM在語音識別技術(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用語音向字處理軟件輸入文字，能識別英語、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，該語音識別軟件已經(jīng)開始降價銷售，其中最便宜的一款只需30美元。據(jù)估計，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，也配置了先進的語音識別軟件。用戶可以通過語音和計算機交流——對于無法操作鍵盤和鼠標設(shè)備的人們，這是一個很重要的功能。經(jīng)過訓練，Vista能識別用戶的語音。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。
不過，目前世界上最先進的語音識別軟件，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)用戶的認可。用戶對著麥克風說話，屏幕上就顯示出說話的內(nèi)容，很容易識別和糾正錯誤。久而久之，該軟件就會適應用戶的說話風格，當然，用戶如果在說話過程中發(fā)現(xiàn)軟件無法識別的，也相應地作出調(diào)整，這樣一來，語音識別的正確率就會逐漸提高。
用途廣泛
在語音識別軟件領(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)學等特定領(lǐng)域。例如，放射線學者們越來越多地通過語音識別軟件口授診斷報告和結(jié)果，而不再由錄音機錄下口頭報告，再加以轉(zhuǎn)錄�！�
語音識別軟件是利用非常復雜的統(tǒng)計方法，把人們的講話與單詞相對應起來的。如今，語音識別技術(shù)在一些領(lǐng)域已經(jīng)得到廣泛應用，如呼叫中心。采用這項技術(shù)，可以省去不少麻煩，目前已有不少電腦查詢服務采用了Nuance公司的技術(shù)，來處理客戶的需求。
可以看出，語音識別技術(shù)的特點就是使工作變得自動化。但也有人指出，語音識別技術(shù)發(fā)展到足夠強大并得到普遍應用的時候，在給人類帶來方便的時候，同時也會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咨詢。
邁森預言：“接下來，語音識別技術(shù)將被用于網(wǎng)絡搜索�！辈痪玫膶�， Google和雅虎將推出面向手機用戶的語音搜索服務，用戶只要說出自己要找什么，就可以聽到電腦的自動答復。這2家公司都已聘請了語音識別技術(shù)專家。Nuance還與雅虎對簿公堂，因為雅虎挖走了Nuance的13名工程師。
IBM也不甘步人后塵，此前它在語音識別一直處在領(lǐng)先位置。目前，IBM正在實施一個超前的計劃——研制一種能監(jiān)聽4-5個人參加的小型會議的語音識別軟件，用以提供準確的書面記錄。這一步邁得很大，不知道何時能取得成功。
此外，負責IBM的語音識別技術(shù)開發(fā)的戴維·那哈莫還表示，該公司已經(jīng)開發(fā)出了其他一些應用軟件。其中一項能自動翻譯外語廣播——該軟件首先通過語音識別技術(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。這一軟件的賣點不錯，尤其受缺乏外語人才的機構(gòu)和部門歡迎，比如情報機構(gòu)。當然，該軟件也適合缺乏人手的電視臺，為聽覺有障礙的觀眾提供字幕服務。
正視缺陷
當然，語音識別軟件還沒有發(fā)展到能夠取代鍵盤和鼠標的程度，還有很多不完善的地方，這也是所有語音識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。
在語音識別上，目前也存在差錯。在一家公司的一次演示中，與會者大跌眼鏡。這家公司的工作人員試圖讓自己開發(fā)的軟件識別“Dear Mom”這個短語的發(fā)音，然而，讓人哭笑不得的是，語音識別軟件卻把它理解為“Dear aunt”，也就是著名的“認母為姨”。
此外，語音識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行遠程語音攻擊。微軟對此表示，安全人員此前公布了該漏洞，影響微乎其微。
微軟安全響應中心的發(fā)言人宣稱，攻擊者利用此漏洞僅能獲得當前用戶的權(quán)限，并不能繞過用戶帳戶控制系統(tǒng)的監(jiān)管運行任何管理員級別的命令。黑客要想成功發(fā)動攻擊，前提條件是目標系統(tǒng)已經(jīng)設(shè)置好語音識別功能，并且啟用話筒和音箱，此時他們可以通過音頻文件的播放執(zhí)行復制、刪除、關(guān)機等命令。因此微軟方面建議不要一直同時開啟麥克風和音箱。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別，重啟電腦。
安全響應中心的程序經(jīng)理Adrian Stone稱：“我們對該問題十分重視，經(jīng)過調(diào)查，我可以自信地說，沒有必要擔心該問題�！�
蘋果公司在語音識別上也曾經(jīng)存在漏洞，不過，發(fā)現(xiàn)后他們很快修復了漏洞。
IT時代周刊
相關(guān)鏈接:
自動語音系統(tǒng)：虛擬人物提供人性化呼叫業(yè)務
2007-01-23
語音識別 理想與現(xiàn)實的距離
2007-01-19
語音識別技術(shù)前景廣闊
2007-01-16
電話銀行系統(tǒng)可識別用戶語音
2006-11-03
語音自助服務并不僅僅是技術(shù)
2006-11-02
分類信息:
企業(yè)通信_與_國外動態(tài)
企業(yè)通信_與_市場動態(tài)
語音應用_與_國外動態(tài)
語音應用_與_市場動態(tài)
國外動態(tài)_與_市場動態(tài)