跨國巨頭猛攻語音識別技術 讓電腦聽懂人們說話

ngw

其實,自電腦誕生以來,讓電腦聽懂人們的說話,就是科學家們奮鬥的目標.幾年前,這方面還僅局限於實驗室內的演示.不過現在不同了,電腦的語音識別功能已經有了質的飛躍,並被廣泛運用到各個領域.

語音識別已經不再遙不可及！

近日，微軟新推出的Windows Vista就安裝了語音識別系統。不懂滑鼠和鍵盤操作的人，有了此軟體的幫助，問題就能迎刃而解。這也是這一作業系統的一大亮點。

從上世紀50年代開始，語音識別作為重要的研究物件，引起了科學家的廣泛興趣。今天，半個多世紀過去了，語音識別技術已經發生了突飛猛進的變化，IBM、蘋果和微軟等公司甚至已經把它應用於自己的部分產品中。

目前，語音識別軟體主要運用於法律和醫藥領域，但隨著軟體的日趨完善，將被更多領域採納和運用，並幫助人們解決疑難問題。

不過，語音識別軟體目前或多或少存在缺陷，如抗干擾差、語音識別誤差較大、易受駭客攻擊等。因此，要想短期內取代手工操作還不現實。

備受青睞

其實，自電腦誕生以來，讓電腦聽懂人們的說話，就是科學家們奮鬥的目標。幾年前，這方面還僅局限於實驗室內的演示。不過現在不同了，電腦的語音識別功能已經有了質的飛躍，並被廣泛運用到各個領域。

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出口頭指令，這讓人覺得有些不可思議。不過，人們通過晶片進行口頭交流，早已成為現實，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。可以肯定的是，隨著技術的日趨成熟，今後人們和晶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軟體，它可讓駕車者們如何通過口頭指令，在車內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在語音識別技術上，一直走在最前沿。以它的ViaVoice軟體為例，這種軟體可以幫助人們通過麥克風用語音向文字處理軟體輸入文字，能識別英語、義大利語、德語、法語、日語、漢語等語種。由於大量的無線上網設備的使用，語音識別軟體的銷售前景看好，特別適用于醫生、律師和作家等職業。

從去年9月1日開始，該語音識別軟體已經開始降價銷售，其中最便宜的一款只需30美元。據估計，目前，全世界已有1000多萬人在使用ViaVoice軟體。

微軟新版的Windows作業系統Vista，也配置了先進的語音識別軟體。用戶可以通過語音和電腦交流——對於無法操作鍵盤和滑鼠設備的人們，這是一個很重要的功能。經過訓練，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行大多數常見任務。

不過，目前世界上最先進的語音識別軟體，既不是微軟生產的，也非IBM製造，它的名字叫做Naturally Speaking，出自於Nuance Communications公司。

Naturally Speaking已經得到了大多數用戶的認可。用戶對著麥克風說話，螢幕上就顯示出說話的內容，很容易識別和糾正錯誤。久而久之，該軟體就會適應用戶的說話風格，當然，用戶如果在說話過程中發現軟體無法識別的，也相應地作出調整，這樣一來，語音識別的正確率就會逐漸提高。

用途廣泛

在語音識別軟體領域，比爾•邁森很有發言權，他是這方面的專家。他指出：“目前該軟體主要用於法律和醫學等特定領域。例如，放射線學者們越來越多地通過語音識別軟體口授診斷報告和結果，而不再由答錄機錄下口頭報告，再加以轉錄。”

語音識別軟體是利用非常複雜的統計方法，把人們的講話與單詞相對應起來的。如今，語音識別技術在一些領域已經得到廣泛應用，如呼叫中心。採用這項技術，可以省去不少麻煩，目前已有不少電腦查詢服務採用了Nuance公司的技術，來處理客戶的需求。

可以看出，語音識別技術的特點就是使工作變得自動化。但也有人指出，語音識別技術發展到足夠強大並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，現在很多公司都設置諮詢室，將來有可能被機器取代，人們可以通過公司的電腦發出口頭指令來完成各項諮詢。

邁森預言：“接下來，語音識別技術將被用於網路搜索。”不久的將來， 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麼，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也不甘步人後塵，此前它在語音識別一直處在領先位置。目前，IBM正在實施一個超前的計畫——研製一種能監聽4-5個人參加的小型會議的語音識別軟體，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的語音識別技術開發的大衛•那哈莫還表示，該公司已經開發出了其他一些應用軟體。其中一項能自動翻譯外語廣播——該軟體首先通過語音識別技術記錄下說話者所說的話，然後通過翻譯軟體把外語翻譯成英語。

儘管這一軟體目前還不成熟，不過它已經能夠翻譯出說話者的要點。這一軟體的賣點不錯，尤其受缺乏外語人才的機構和部門歡迎，比如情報機構。當然，該軟體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，語音識別軟體還沒有發展到能夠取代鍵盤和滑鼠的程度，還有很多不完善的地方，這也是所有語音識別軟體目前普遍存在的問題。比如抗干擾，這類軟體還無法分辨出哪是人的發音，哪是音響的發音。

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的軟體識別“Dear Mom”這個短語的發音，然而，讓人哭笑不得的是，語音識別軟體卻把它理解為“Dear aunt”，也就是著名的“認母為姨”。

此外，語音識別還可能被駭客利用，不久前就傳出Vista的語音功能存在缺陷，容易遭致駭客利用進行遠端語音攻擊。微軟對此表示，安全人員此前公佈了該漏洞，影響微乎其微。
微軟安全回應中心的發言人宣稱，攻擊者利用此漏洞僅能獲得當前用戶的許可權，並不能繞過用戶帳戶控制系統的監管運行任何管理員級別的命令。駭客要想成功發動攻擊，前提條件是目標系統已經設置好語音識別功能，並且啟用話筒和音箱，此時他們可以通過音頻檔的播放執行複製、刪除、關機等命令。因此微軟方面建議不要一直同時開啟麥克風和音箱。如發現有執行命令的音頻檔播放，要關閉媒體播放器和語音識別，重啟電腦。

安全回應中心的程式經理Adrian Stone稱：“我們對該問題十分重視，經過調查，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存在漏洞，不過，發現後他們很快修復了漏洞。