語(yǔ)音在人類(lèi)交流模式中占支配地位。當(dāng)然，書(shū)面語(yǔ)言是很重要的，很多知識(shí)都是以書(shū)面語(yǔ)言的形式一代一代地傳下來(lái)的，但在日常的交流中，語(yǔ)音還是最主要的模式。很自然地可以假設(shè)語(yǔ)音也是人機(jī)交互的首選模式。語(yǔ)音非常有效和方便，可以讓你的雙手自由地做其他工作。不過(guò)，直到最近，語(yǔ)音識(shí)別系統(tǒng)才做到足夠準(zhǔn)確和高速，以支持有效的應(yīng)用。隨著新的識(shí)別技術(shù)的產(chǎn)生和更快速的計(jì)算機(jī)的出現(xiàn)，這種轉(zhuǎn)變非常之快。

語(yǔ)音識(shí)別系統(tǒng)分為兩類(lèi)，分別是孤立詞識(shí)別系統(tǒng)和連續(xù)語(yǔ)音識(shí)別系統(tǒng)。孤立詞識(shí)別系統(tǒng)一次只識(shí)別一個(gè)單詞。要使用這樣一個(gè)系統(tǒng)，必須在單詞之間有一個(gè)停頓。連續(xù)語(yǔ)音識(shí)別系統(tǒng)可以識(shí)別我們平常說(shuō)話那樣的語(yǔ)音，其中的單詞在一個(gè)連續(xù)流中一起說(shuō)出。目前，市場(chǎng)上大部分系統(tǒng)都使用孤立詞識(shí)別技術(shù)。連續(xù)語(yǔ)音識(shí)別系統(tǒng)處于積極的開(kāi)發(fā)之中，不過(guò)，已經(jīng)很接近實(shí)際的應(yīng)用。其他區(qū)分各種不同系統(tǒng)的主要因素是詞匯量和能夠處理的說(shuō)話者的范圍。一些低端系統(tǒng)可以識(shí)別單個(gè)用戶的30個(gè)左右的單詞，而高端系統(tǒng)能夠識(shí)別多個(gè)說(shuō)話者的20000個(gè)單詞。當(dāng)比較不同系統(tǒng)的識(shí)別率的時(shí)候，很重要的一點(diǎn)是要記住，要在大詞匯量、多說(shuō)話者的連續(xù)語(yǔ)音識(shí)別中達(dá)到很高的準(zhǔn)確率是非常困難的。

雖然在口語(yǔ)和書(shū)面語(yǔ)言的處理中都可以使用一些相同的基本技術(shù)，如句法分析、語(yǔ)義解釋和上下文解釋，但還是存在一些顯著的區(qū)別，會(huì)對(duì)這兩種系統(tǒng)的設(shè)計(jì)發(fā)生影響。舉例來(lái)說(shuō)，對(duì)于口語(yǔ)輸入，系統(tǒng)必須處理不確定性。在書(shū)面語(yǔ)言中，系統(tǒng)準(zhǔn)確地知道要被處理的單詞。而在口語(yǔ)中，用戶說(shuō)的是什么只是一個(gè)猜測(cè)。而且，口語(yǔ)在結(jié)構(gòu)上和書(shū)面語(yǔ)很不相同。實(shí)際上，有時(shí)一份完全能夠理解的語(yǔ)音的記錄在閱讀時(shí)卻令人無(wú)法理解?？谡Z(yǔ)的表現(xiàn)更增量化，每次一個(gè)短語(yǔ)，包含了書(shū)面語(yǔ)中所沒(méi)有的豐富的語(yǔ)調(diào)信息?？谡Z(yǔ)中還包含很多更正，說(shuō)話者用來(lái)糾正或者修改他剛才說(shuō)的話。更進(jìn)一步，口語(yǔ)對(duì)話有豐富的表示認(rèn)可或者確認(rèn)的交互，以維持一次對(duì)話，而這些在書(shū)面形式中都不會(huì)出現(xiàn)。

口語(yǔ)理解系統(tǒng)的基本結(jié)構(gòu)如圖C.1所示，其中整個(gè)的自然語(yǔ)言系統(tǒng)都?jí)嚎s到了一個(gè)框中。說(shuō)話者發(fā)出的聲音首選通過(guò)一個(gè)模擬/數(shù)字轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字形式。這種信號(hào)通過(guò)處理抽取出各種特征，如在不同頻率上的聲音強(qiáng)度和隨著時(shí)間流逝聲音強(qiáng)度發(fā)生的變化。這些特征用

做語(yǔ)音識(shí)別系統(tǒng)的輸入，語(yǔ)音識(shí)別系統(tǒng)一般都采用隱馬爾可夫模型（HMM，Hidden Markov Model）技術(shù)來(lái)確定最有可能產(chǎn)生這種語(yǔ)音的詞語(yǔ)序列。然后，語(yǔ)音識(shí)別器輸出這種最可能的詞語(yǔ)序列作為自然語(yǔ)言理解系統(tǒng)的輸入。當(dāng)自然語(yǔ)言系統(tǒng)需要產(chǎn)生一個(gè)語(yǔ)音的表示時(shí)，它將句子傳遞給一個(gè)將單詞翻譯成音素序列并決定語(yǔ)調(diào)輪廓的模塊，然后將這些信息傳遞給一個(gè)語(yǔ)音合成系統(tǒng)，語(yǔ)音合成系統(tǒng)產(chǎn)生口語(yǔ)輸出。

圖C.1 語(yǔ)音理解系統(tǒng)的結(jié)構(gòu)

責(zé)任編輯：admin