引言： 科大訊飛正式發(fā)布四川話語音識(shí)別技術(shù)，識(shí)別準(zhǔn)確率超過85%，達(dá)到實(shí)用水準(zhǔn)，方言識(shí)別獲得突破，將首先應(yīng)用于手機(jī)輸入法產(chǎn)品，年內(nèi)或?qū)⒗^續(xù)發(fā)布上海話、閩南話等方言識(shí)別技術(shù)。
蘋果Siri在語音識(shí)別技術(shù)領(lǐng)域引領(lǐng)了一次革命，但遠(yuǎn)遠(yuǎn)不夠。語音識(shí)別技術(shù)要全面影響人機(jī)交互，必須要讓語音識(shí)別技術(shù)普及到每一個(gè)國(guó)家、每一個(gè)地區(qū)、每一個(gè)人。特別是當(dāng)前智能終端的高速發(fā)展，可穿戴設(shè)備、無人駕駛汽車、智能電視、智能家居……更需要懂得不同地域自然人的語言。
德國(guó)知名學(xué)者威廉·馮·洪堡曾說過：“每種語言都反映了一個(gè)民族的精神和智慧。”盡管文字、圖片、動(dòng)作、表情等能傳遞人們的思想，但語言是其中最重要的媒介，是人類文明多樣化成果的載體。保護(hù)民族語言和搶救瀕危語言就是保護(hù)多樣性的民族文化，同時(shí)也是保障各民族成員的平等權(quán)利。
我國(guó)56個(gè)民族有多達(dá)129種獨(dú)立語言，特定使用區(qū)域和人群具有不同發(fā)音、詞匯和語法體系，除了統(tǒng)一標(biāo)準(zhǔn)的普通話，諸多地方方言素有“十里不同音”之說。針對(duì)這一現(xiàn)象科大訊飛最新研發(fā)了前沿的方言語音識(shí)別技術(shù)，讓機(jī)器能夠聽懂粵語、四川話、東北話、上海話、閩南話、湖南話、河南話等各地方言，極大滿足了各行業(yè)需求。
那么，科大訊飛此項(xiàng)技術(shù)是如何突破方言識(shí)別難題的?從基本層面來看，普通話有400個(gè)單音節(jié)聲音，根據(jù)聲調(diào)予以區(qū)別;而方言發(fā)音則相對(duì)復(fù)雜，需要根據(jù)不同發(fā)音特性采用不同的特征識(shí)別方法，大致為：聲類特征識(shí)別、韻類特征識(shí)別、調(diào)類特征識(shí)別和方言詞匯識(shí)別?？拼笥嶏w針對(duì)方言定制出專有語音識(shí)別引擎，使用純正的方言語料庫進(jìn)行訓(xùn)練，確保能夠用于口音較重的方言用戶使用。
從2012年起，訊飛語音云在聲學(xué)和語言建模中取得很多成果，同時(shí)在噪音和口音等方面都突破了技術(shù)難題，在全行業(yè)遙遙領(lǐng)先。“方言語音識(shí)別”是公司在云計(jì)算語音聽寫技術(shù)基礎(chǔ)上，為擴(kuò)大語音使用群體，滿足不同地域用戶自然便捷的語音使用需求而進(jìn)行的技術(shù)創(chuàng)新，具有自適應(yīng)性和穩(wěn)定性。該技術(shù)成果將形成明顯的差異化競(jìng)爭(zhēng)優(yōu)勢(shì)，為公司主營(yíng)業(yè)務(wù)帶來積極影響，還能提高相關(guān)應(yīng)用的用戶黏性。
一般而言語音識(shí)別技術(shù)最先應(yīng)用于語音撥號(hào)、語音導(dǎo)航、室內(nèi)設(shè)備控制、簡(jiǎn)單的聽寫數(shù)據(jù)錄入等，但此次方言語音識(shí)別技術(shù)將率先應(yīng)用于手機(jī)輸入法，并逐步推廣到其他應(yīng)用中。目前，智能手機(jī)和平板電腦都已拋棄鼠標(biāo)鍵盤，語音輸入正成為日常習(xí)慣，對(duì)老人和小孩都很適用;同時(shí)，手機(jī)輸入法作為移動(dòng)互聯(lián)網(wǎng)新型入口，面向休閑娛樂、商務(wù)辦公、人際交流、教育教學(xué)等生活中的方方面面，具有海量的使用人群，能夠更快的提升應(yīng)用能力。因此，手機(jī)輸入法是語音應(yīng)用的最好形態(tài)。
方言語音識(shí)別技術(shù)是繼離線語音之后科大訊飛又一次率先推出的革命性技術(shù)，除了支持中文普通話、英文，方言語音識(shí)別能夠讓更多用戶擁有近乎完美、沒有錯(cuò)誤的語音輸入體驗(yàn)。
