國(guó)內(nèi)語音合成技術(shù)“叫板”IBM

語音市場(chǎng)“一枝獨(dú)秀”將成歷史

　　“未來的十年是語音技術(shù)的時(shí)代”。隨著語音技術(shù)研究的突破，其對(duì)計(jì)算機(jī)發(fā)展和社會(huì)生活的重要性日益凸現(xiàn)出來，漢語語音輸入輸出技術(shù)更是孕育著巨大的產(chǎn)業(yè)機(jī)遇。面對(duì)著十幾億人使用漢語、聽說中國(guó)話的泱泱大國(guó)，中文語音技術(shù)的應(yīng)用和經(jīng)濟(jì)社會(huì)效益前景非常巨大。據(jù)專家對(duì)未來國(guó)內(nèi)市場(chǎng)預(yù)測(cè)，五年內(nèi)，整個(gè)中文語音市場(chǎng)份額將至少在1000億人民幣以上。

1997：中文語音市場(chǎng)痛失半壁江山

　　面對(duì)如此巨大的中文語音市場(chǎng)前景，國(guó)際上一些大公司早就虎視眈眈地注視著這塊市場(chǎng)，紛紛加緊對(duì)中文語音技術(shù)、產(chǎn)品、市場(chǎng)的全面拓展。像IBM早就致力于語音技術(shù)的研究，在英語領(lǐng)域已經(jīng)進(jìn)行了近30年的研究。針對(duì)中國(guó)的廣大市場(chǎng)，IBM推出了中文語音識(shí)別產(chǎn)品ViaVoice，并投入大量資金進(jìn)行市場(chǎng)開拓。自1997年以來，IBM ViaVoice搶占了中國(guó)90%的語音識(shí)別市場(chǎng)，可以說，中文語音市場(chǎng)的半壁江山已經(jīng)落入人手。國(guó)內(nèi)語音技術(shù)領(lǐng)域資金短缺、力量渙散、人才流失是導(dǎo)致語音識(shí)別市場(chǎng)痛失江山的主要原因。此外，英特爾、微軟、L＆H、摩托羅拉等公司也都瞄準(zhǔn)了中文語音市場(chǎng)，投入了大量的人力、物力和資金。英特爾已推出電話語音識(shí)別的完整Demo系統(tǒng)；微軟也有了詳細(xì)的中文語音開發(fā)和Windows操作系統(tǒng)的捆綁方案；L＆H則推出了虛擬的中文語音播音員。目前，中文語音市場(chǎng)正面臨著國(guó)際競(jìng)爭(zhēng)的巨大壓力，這些國(guó)際型的大公司將基礎(chǔ)研究和產(chǎn)品開發(fā)結(jié)合得較緊密，資金優(yōu)勢(shì)和市場(chǎng)優(yōu)勢(shì)的運(yùn)作也相得益彰，國(guó)內(nèi)如果不采取有效的措施，語音產(chǎn)業(yè)這塊陣地極有淪陷的危險(xiǎn)。如果在將來整個(gè)中文語音市場(chǎng)都被外企所占領(lǐng)，炎黃子孫所使用的語音軟件都是由金發(fā)碧眼的老外所發(fā)明所提供的，讓老外來教中國(guó)人怎么使用漢語產(chǎn)品，那將是整個(gè)中華民族的恥辱。難道中國(guó)人連自己的語音產(chǎn)品都做不出來嗎？當(dāng)然不是。

2000：國(guó)內(nèi)廠商重整山河

　　面對(duì)資金強(qiáng)大、實(shí)力雄厚的國(guó)際型企業(yè)，國(guó)內(nèi)的企業(yè)又拿什么來和他們競(jìng)爭(zhēng)呢？記者在最近采訪在中文語音技術(shù)方面頗具實(shí)力的中國(guó)科大訊飛公司時(shí)了解到，作為一家在863智能計(jì)算機(jī)轉(zhuǎn)換基地的研發(fā)中心和科技大學(xué)語言研究基礎(chǔ)上成立的公司，科大訊飛將致力于成為全球最大的語音和語言技術(shù)提供商，為各行各業(yè)的系統(tǒng)開發(fā)商、軟件開發(fā)商和運(yùn)營(yíng)服務(wù)商、設(shè)備制造商提供最好的語音和語言技術(shù)方案。當(dāng)談及訊飛的優(yōu)勢(shì)時(shí)，該公司總經(jīng)理劉慶峰告訴記者：通過融資之后，訊飛的資金問題已經(jīng)基本解決。不久前成立的中國(guó)語音創(chuàng)業(yè)聯(lián)盟使原來國(guó)內(nèi)語音技術(shù)力量各自為戰(zhàn)的現(xiàn)象徹底改變，國(guó)內(nèi)語音技術(shù)的中堅(jiān)力量通過聯(lián)盟實(shí)現(xiàn)了強(qiáng)強(qiáng)聯(lián)合、優(yōu)勢(shì)互補(bǔ)。

　　語音技術(shù)作為一種典型的交叉科學(xué)，有三個(gè)重要方面：一、計(jì)算機(jī)的工程模擬，即能夠讓計(jì)算機(jī)模擬整個(gè)人講話的過程，像如何從肺部發(fā)出氣流，經(jīng)過聲帶的調(diào)整，通過口腔變成聲音出來等。這一方面中國(guó)科技大學(xué)做得最好，在幾次評(píng)比和國(guó)際大會(huì)上都得到公認(rèn)。二、對(duì)聲音信號(hào)本身要有一個(gè)非常深刻的了解，這一點(diǎn)中國(guó)科學(xué)院聲學(xué)所做得最好。三、要對(duì)漢語本身的一個(gè)運(yùn)用規(guī)則有所了解(不同的字、詞在不同環(huán)境下的聲調(diào)、時(shí)差、能量等)，這一方面中國(guó)社會(huì)科學(xué)院語言所做得最好�，F(xiàn)在，通過中國(guó)語音創(chuàng)業(yè)聯(lián)盟，由訊飛出資，將科大、聲學(xué)所、語言所這三支在語音技術(shù)方面最強(qiáng)的力量團(tuán)結(jié)起來，通過股權(quán)融合在一起，形成技術(shù)互補(bǔ)，共同將技術(shù)轉(zhuǎn)化為產(chǎn)業(yè)化的產(chǎn)品。這三塊的有力配合，將局部?jī)?yōu)勢(shì)化為整體優(yōu)勢(shì)；和相關(guān)的IT企業(yè)的結(jié)盟都為訊飛在自然語言理解方面尋求真正突破，為語音合成技術(shù)打下了一個(gè)非常好的基礎(chǔ)。

　　語音技術(shù)分為語音合成技術(shù)和語音識(shí)別技術(shù)。語音合成技術(shù)主要是好與不好的問題，而語音識(shí)別技術(shù)主要是對(duì)與不對(duì)的問題。目前大眾對(duì)語音識(shí)別技術(shù)知之較多，對(duì)語音合成技術(shù)所知不多。很多時(shí)候語音識(shí)別只是作為一種噱頭在用，雖是一個(gè)好東西，但沒有真正解決最普通老百姓的需求。其實(shí)語音合成技術(shù)更為實(shí)用，更能解決人民大眾的需求，更能夠深入到社會(huì)的各行各業(yè)中去。

　　中文語音合成技術(shù)中的合成自然度問題是實(shí)現(xiàn)高性能文語轉(zhuǎn)換的關(guān)鍵。特殊符號(hào)處理、分詞處理和拼接處理是漢語文語轉(zhuǎn)換系統(tǒng)的整體性能提高的三大處理環(huán)節(jié)。劉慶峰告訴記者：目前科大訊飛以民族語音屏障作為切入點(diǎn)，利用在漢語言文化方面的研究實(shí)力，利用中文語音創(chuàng)業(yè)聯(lián)盟在計(jì)算機(jī)模擬、聲訊號(hào)的了解和漢語本身的理解的優(yōu)勢(shì)，較好地解決了語音合成中的三大處理環(huán)節(jié)，使得漢語文語轉(zhuǎn)換系統(tǒng)的整體性能有很大提高。而在語音識(shí)別技術(shù)上，像IBM、微軟等公司所做的基本都是一種工作量的工作，都是在比誰的音庫多，比誰的音庫大。然而真正的語音識(shí)別應(yīng)該有理解和自動(dòng)糾錯(cuò)的功能。英特爾最關(guān)鍵的是自然語言理解的程度不夠。科大訊飛在中文語音、自然語言理解方面已經(jīng)做了大量的工作，在近期將有創(chuàng)新和突破。一旦自然語言理解方面有所突破后，就會(huì)在語音識(shí)別上超過IBM等國(guó)際大戶。而且，中文語音創(chuàng)業(yè)聯(lián)盟為這次突破做了長(zhǎng)期的積累和準(zhǔn)備，在語音技術(shù)的自然語言理解方面已經(jīng)看到了曙光。明年，訊飛將要成為中國(guó)最大的語音合成提供商，這都將為語音識(shí)別技術(shù)的推廣打下接口。

　　整合我們的技術(shù)、人才和本土化的優(yōu)勢(shì)，用我們一流的語音合成的核心技術(shù)來鋪開市場(chǎng)，從而帶動(dòng)語音識(shí)別市場(chǎng)，那么中文語音陣地終將為我們所占領(lǐng)。

摘自：〈中國(guó)經(jīng)營(yíng)報(bào)〉2000/11/07