淺析智能語音技術及其應用

朱斌

【摘 要】隨著計算機硬件技術的飛速發(fā)展，計算機性能在不斷提高的同時功耗、體積在不斷減小，通過多年的技術研究模式識別的算法也在不斷走向精準，從而推動模式識別技術向實用化不斷進展。語音識別技術是模式識別技術中的一個分支，而語音合成技術與語音識別技術一起會帶給我們劃時代的交互方式，本文針對智能語音技術中的語音識別和語音和成技術進行了介紹，并從應用角度進行了分析。

【關鍵詞】智能語音技術；語音合成；語音識別；呼叫中心

一、智能語音技術簡介

智能語音技術的研究工作大約開始于上世紀50年代。智能語音技術主要分為兩個方面，一個是語音合成技術，一個是語音識別技術。目前國內比較著名的語音識別公司有科大訊飛等公司，國際上比較知名的公司有Google、微軟、IBM、NUANCE等

（一）語音識別技術

語音識別技術從其本身來講還有多個研究方向，如自動語音識別、聲紋識別和語種識別等多個方面，以下我們分別進行簡要介紹。

1.自動語音識別

自動語音識別（AutomaticSpeechRecognition簡稱"ASR"）技術是一種將人的語音轉換為文本的技術，它的目標是讓計算機能夠“聽寫”出不同人所說出的連續(xù)語音，實現(xiàn)“聲音”到“文字”的轉換。它是一個多學科交叉的領域，與聲學、語音學、語言學、數(shù)字信號處理理論、信息論、計算機科學等學科緊密相連。

語音識別包括了語言模型訓練、聲學模型訓練、特征提取和搜索等過程，特征提取的主要任務是從輸入的語音信號中提取特征，用于聲學模型的建模以及解碼搜索過程，在提取特征前也要服務則對語音信號進行降噪處理，以提高系統(tǒng)魯棒性。在大詞匯量的連續(xù)語音識別中一般選用上下文相關的三音素聲學模型，對于語音庫難以覆蓋三音素的情況可以采用狀態(tài)聚類，綁定同類轉臺從而減少訓練狀態(tài)的總數(shù)目。目前統(tǒng)計語言模型已成為語言處理的主流技術，例如N-Gram語言模型、馬爾可夫N元模型、指數(shù)模型和決策樹模型。搜索算法中的解碼器是自動語音識別系統(tǒng)的核心模塊，其任務是對輸入的語音信號，在由語句或單詞序列構成的空間當中，按照一定的優(yōu)化準則，并且根據(jù)聲學和語言模型及詞典生成一個用于搜索的狀態(tài)空間，在該狀態(tài)空間中檢索到最優(yōu)狀態(tài)序列，即尋找能夠以最大概率輸出該信號的句子或者單詞序列。搜索算法按照搜索策略分類的有幀同步Viterbi算法和幀異步堆棧算法，按空間擴展分類有靜態(tài)擴展和動態(tài)擴展算法。

另外，其他的模式識別方法如基于人工神經(jīng)網(wǎng)絡對語音進行識別，其主要用來配合HMM以達到較高的性能。

2.聲紋識別

人類語言的產生是語言中樞與發(fā)音器官之間一個復雜的生理物理過程，人在講話時使用的發(fā)聲器官：舌、牙齒、喉頭、肺、鼻腔在尺寸和形態(tài)方面每個人的差異很大，所以任何兩個人的發(fā)聲特征都有差異。個體的聲學特征既有相對穩(wěn)定性，又有變異性，不是絕對的、一成不變的。這種變異可來自生理、病理、心理、模擬、偽裝，也與環(huán)境干擾有關。聲紋識別是一套利用人的個性語音特征對話語者進行區(qū)分的技術，它本身與說話內容無關，同時與語種也無關。

說話人識別過程包括了預處理、特征提取、分段聚類、識別分類和得分規(guī)整。預處理模塊用于去掉音頻流中的非語音成分，采用基于能量判斷去除靜音，基于模型分類去掉彩鈴。特征提取有助于說話人分類的樣本信息，主要技術采用Mel頻率倒譜系數(shù)（MFCC）和其長時移動差分變換。分段聚類切分話單中不同說話人段落，并將同一個人的片段聚合到一起，主要采用層次聚類技術（每次尋找最近的段落聚合。識別分類模塊通過學習注冊人樣本語音，對測試語音進行打分，主要技術包括高斯混合模型和支持向量機模型。得分規(guī)整模塊用于縮小冒認者的得分方差，盡量和目標人拉開距離主要技術包括T-規(guī)整和Z-規(guī)整。

3.語種識別

語音的自動語言辨識技術（Language Identification， LID）就是計算機能夠識別出語音段所屬的語言的過程。它是從語音信號中自動提取信息的幾個過程之一。

自動語言辨識同其他模式識別一樣，主要包括三個方面：特征提取、模型建立和判決規(guī)則。特征提取用到的技術有倒譜特征提取和短時和長時差分變。分類器模型包括支持向量機分類（SVM）和人工神經(jīng)網(wǎng)絡分類（NN）。另外還涉及了有效語音檢測（VAD）、譜規(guī)整和得分規(guī)整、線性鑒別分析（LDA）和信道因子分析（LFA）等魯棒技術。當前很多系統(tǒng)都通過線性和非線性融合來提高系統(tǒng)的準確率。

（二）語音合成技術

語音合成技術最為常見的就是TTS（Text to Speech，文本語音轉換）的應用，TTS最新的語音合成引擎（連接技術和合成算法的結合），其應用范圍非常廣，如文本的有聲校對、語音應答系統(tǒng)、信息庫查詢系統(tǒng)、殘疾人輔助發(fā)音系統(tǒng)等。

（三）應用分析

智能語音技術有相當廣泛的應用場景，不但在傳統(tǒng)呼叫中心有廣泛應用，隨著智能設備的不斷發(fā)展，它也逐步向這些領域開始進軍。

（四）人機交互

傳統(tǒng)人機交互都采用專用輸入設備，比如鍵盤、鼠標、手寫板、顯示器等，利用這些方式雖然可以滿足信息輸入和輸出，實現(xiàn)基本人機交互，但是針對越來越多的智能設備的出現(xiàn)，傳統(tǒng)的輸入方式逐漸顯得力不從心。

通過語音合成技術，可以將信息通過聲音的方式與人進行交流，通過自動語音識別，不但可以完成文本輸入工作，還可以進行設備控制，從而實現(xiàn)更為簡便、有效的人機交互。人機交互可以應用于智能手機、智能家電、汽車控制、有聲校對、語音應答系統(tǒng)、信息庫查詢系統(tǒng)、殘疾人輔助發(fā)音等多個方面。

（五）身份確認

身份確認主要采用聲紋識別技術，其主要應用場景是確認說話人是否為特定人。聲紋識別技術已經(jīng)逐漸走向實際應用，很多公司都根據(jù)這項技術應用到業(yè)務系統(tǒng)，比如AT&T應用聲紋識別技術研制出的智慧卡（Smart Card），將其應用于自動提款機上；Nuance公司推出了Nuance Verifier，在電信網(wǎng)上實現(xiàn)文本激勵的說話人識別，已經(jīng)可靠應用于金融服務等系統(tǒng)。其他一些商用系統(tǒng)還包括：ITT公司的SpeakerKey、Keyware公司的VoiceGuardian、T-NETIX 公司的SpeakEZ等。

（六）身份辨認

身份辨認同樣也主要采用聲紋識別技術，其主要應用場景為對特定語音進行分析，確認其身份，這種應用可應用于公安司法以及軍隊和國防。如：對于各種電話勒索、綁架、電話人身攻擊等案件，身份辨認可以在一段錄音中查找出嫌疑人或縮小偵察范圍；身份辨認可以發(fā)現(xiàn)電話交談過程中是否有特定說話人出現(xiàn)，繼而對交談的內容進行跟蹤，并可以對發(fā)出命令的人的身份進行確認（敵我指戰(zhàn)員鑒別），目前此術在國外軍事方面已有所應用。

二、存在問題

盡管智能語音技術在技術上已經(jīng)獲得突破性進展，然而在實際應用過程中語音識別技術仍然面臨著一些難點，特別是針對語音識別技術：

（一）對環(huán)境依賴性較大，抗干擾能力較差

語音采集時，不可避免會混入環(huán)境噪聲，同時由于采集設備的不同也會對采集結果造成影響，這些影響都會影響到最終識別結果。

（二）地方口音的差異造成影響

語音往往存在地域性，他不同于語種。比如北方與南方人同樣講普通話，差異還是非常明顯，這些都對識別工作造成一定的影響。

（三）自然語言的隨機性、多變性

針對于語音朗讀，目前的語音識別技術已經(jīng)有很好的效果，但是實際生活中，人們講話都較為隨意，同時伴隨講話時的情緒，這些都會對語音識別結果造成較大影響。

但我們相信，隨著技術的不斷發(fā)展，通過語音素材數(shù)據(jù)的不斷積累，相信這些問題將會逐步被解決。

三、結束語

人與設備如何便捷交互，信息輸入是否高效，一定程度上影響了整個工作過程的效率，智能語音技術為大家提供了一條新的道路，除去了人與設備之間的隔閡。效率和成本是每一個企業(yè)管理必須權衡的關鍵因素，雖然智能語音技術現(xiàn)在還有很多不足，但是從長遠來看必將是應用發(fā)展的方向，會對人們的工作效率產生深遠影響。