3244_0_01董名垂-面向下一代聪明电脑的语言文字讷1].PDF

面向下一代聰明電腦的語言文字處理技術研究面向下一代聰明電腦的語言文字處理技術研究 面向下一代聰明電腦的語言文字處理技術研究面向下一代聰明電腦的語言文字處理技術研究 1 ,2 董名垂 1 ,2 黃輝 2 傅禹 2 沈周昀 1 澳門電腦與系統工程研究所 2 澳門大學 {dmc, derek}@inesc-macau.org.mo 摘要摘要 摘要摘要 自稱之為 ANIAC 的首台電腦于 1946 年問世以來 ，電腦已經走過了近60 年 歷史 。說它成功，是因為它成功地進入了科技、軍事、教育、工農、商醫以及 人們日常生活的各個方面，并發揮著舉足輕重的作用；說它不成功，是因為電 腦在發展中國家和地區的普及率連 5%都不到 ，使它遠遠脫离了平民百姓。例如 在中國 ，上网電腦縂数滿打滿算不到六千万台 ，网民數量在2005 年達到 1.2 億, 僅占總人口的 10% 。然而 ，中國的網民數和寬帶上網人數均已經位居世界第 二。而形成鮮明對比的是 ，較之出現晚得多的移動電話，截止到2005 年 3 月在 中國就有 3.44 億用戶 ，達到25.9%的普及率 。一個不爭的事實就是，現有電腦 中基于鍵盤和鼠標的复雜操作模式 、互聯网上各國語言文字互通互譯的困難加 之高昂的電腦价格 ，嚴重阻擋了電腦向平民化實用化發展的進程 。 在過去數年里 ，人們研發了新一代低功耗芯片，嘗試制作了网絡電腦、學習 机、机頂盒 、Embedded-Link 嵌入式系統等各類應用系統 ，在進一步增進電腦 功能的同時又成功降低了電腦的价格 ；在保護各國文字、傳承歷史文化方面， 各國都注意用本國文字發佈國際互聯网消息 ，然而在解決互聯网上各國文字的 在線互通互譯方面則是剛剛起步 ；在改進電腦的复雜操作上，盡管開展了語音 辨識 、圖象處理、視頻識別、屏幕接触式操作、手寫板輸入 ，甚至用大腦神經 控制電腦等方面的研究 ，但是在改進電腦以鼠標鍵盤為主的操作模式上基本上 沒有突破 。這其中的攔路虎就是新方法的辨識精度不高，從而無法用語音或視 頻成功進行人机交互操作 。這些實際需求和具體存在的問題激勵著人們作出新 一輪努力 ，力求在語言文字數字化處理的一些關鍵技術上研究突破，注重為研 發下一代聰明電腦出力 ，從而讓電腦能盡快走進千家万戶，成為平民百姓的家 中寳、手中寶 。 對平民百姓而言 ，最方便最好用的電腦操作模式就是用他們的自然語音直接 對電腦發出指令 、操控電腦來準確完成相應的操作運行或動作，就像使喚一位 聽話出活的僕人一般 。然而，這些在主僕之間輕而易舉就可實現的事情，現在 企圖通過增加電腦的聰明度來完成 ，就變得十分困難。難點歸納起來主要有以 下五項 ：語音的泛化辨識語音的泛化辨識 、語音命令的准确理解、語音命令的准确理解 、語音命令的實際執行、語音命令的實際執行 、多語、多語 語音的泛化辨識語音的泛化辨識 、、語音命令的准确理解語音命令的准确理解 、、語音命令的實際執行語音命令的實際執行 、、多語多語 種語音命令的在線互種語音命令的在線互譯執行以及語音背景噪音的濾除譯執行以及語音背景噪音的濾除 。本文重點介紹如何採用 種種語音命令的在線互語音命令的在線互譯執行以及語音背景噪音的濾除譯執行以及語音背景噪音的濾除 硬軟結合的技術研究解決 前三項問題並展示初步的實測結果 。 1. 提高提高對語音的對語音的泛化泛化 辨識精度辨識精度 提高提高對對語音的語音的泛化泛化 辨識精度辨識精度 在提高語音的辨識精度方面 ，目前的做法通常是讓用戶對電腦不斷進行語音 辨識培訓 ，讓電腦能記住該用戶的發音特點，從而增加辨識精度。然而，對於 一家多人使用同一台電腦 ，特別是在公共場合下由南來北往的大衆輪流使用同 一台電腦 ，且不說各人說話存在地方口音或口齒不清，即使說的都是標准清晰 1 口音 ，也因為男女老幼的發音頻率不同、説話的音速音量不一、語句的組詞規 則有別 ，某個特定人員的語音培訓根本就替代不了其他人的説話特點 ，所以