专题
首页  >  专题  >  媒体视点  >  名刊精选  >  《科学24小时》

《科学24小时》

开博时间:2016-07-01 14:43:00

旨在向全国广大群众,特别是具有中等文化程度的广大青年,普及科学技术知识,繁荣科普创作,启迪思想,...

文章数

声控自动化技术,让你动口不动手

2017-05-02 10:01:00

雷辉志

 

一艘由日本制造的新型自动化远洋货轮, 正行驶在前往澳大利亚的航线上。 这艘货轮的外形并不特别,但它却有着过人之处——货轮的船长随身携带着一只无线话筒,无论在船上的哪个区域, 只要他对着话筒发出操纵货轮航行的口令,船上的主控电脑就能接收信号并予以识别,然后由它发出相应的操作信号, 自动操纵货轮航行。

以上情景就是靠近年来最新声控自动化技术实现的,这项技术随着近年来电脑技术、微电子技术的不断变革,正在突飞猛进。 在国际电子产品市场上,不断涌现出能“听”会“说”的新产品,使用者只需动口就能轻松操控它们,它们甚至还能和使用者沟通交流。 那么究竟这些新产品是怎么长出“耳朵”和“嘴巴”的呢? 

机器的“耳朵”——语言识别器

声控技术的关键是要让机器能够听懂人的口令,这是一个非常复杂的过程,要想了解其中的奥秘,首先得谈谈人类的语言。

语言是一种波形复杂、变化多端的声波。 科学家利用一种叫做语图仪的专门仪器分析过人类语言的动态频谱,结果发现,每个语音的语图都是由几条“带子”组成的。 当然,语音不同,“带子”的形状也不同。 但只要说的是同一个字音,那么不管是谁发声,这几条“带子”的形状都会基本一致。 也就是说,每个语音中都含有某种不变的特质,而这个特质就是人的听觉将会感受到的核心因素,语言学家把它称为口腔共鸣的特征频率。

这些特征频率为科学家研发声控技术提供了便利——如果能够制造一种机器“耳朵”,并在其中嵌入每个语音的特征频率的“样板”,那么当这只“耳朵”听到人类的口令后,不就能将其分解成不同的语音,再同存储的“样板”进行比较核对,随后借助自动控制电路,最终实现按照口令完成各种动作了吗?

道理虽然简单,实际开发却并不容易,科研人员需要解决复杂的数学运算过程,同时克服一系列技术上的难题。

随着科学技术的进步,电脑的问世让人类制造这样的机器“耳朵”成为可能。20世纪60年代,科学家开始在实验室里研究声控技术的核心— 语言识别技术。20世纪70年代末,微电脑的出现更是让声控技术实现了飞跃式发展 微电脑处理与存贮信息的神奇功能,以及它低廉的价格、小巧的体积,为声控技术走出实验室创造了必要条件,人们由此开启了实际应用声控技术的新时期。

 

产品的更新换代

20世纪70年代中期,美国出现了一种叫做“小先生”的电子玩具,它能向儿童提出简单的算术题和拼读英文单词题,而儿童则可以用说话来回答。如果回答正确,屏幕上就会出现“Yes”的字样,同时发出赞许声;如果回答错误,屏幕上则会出现“No”,同时继续提问。这种有趣的幼儿学习工具一经推出,便大受欢迎。

随后,丰富多彩的具有声控功能的电子产品开始不断问世:声控电机能根据使用者发出的口令,自动开关、选择电视频道、调节亮度与色度;声控打字机会按照人的口授,自动打字、断句、起行,还能自动阅读,让使用者方便校核;声控翻译器能把口述的简单语句,进行自动翻译,并将最终结果显示在屏幕上;声控电梯则可以让残障人士尽享便利,轻松操控电梯上下、开关……

如今,声控技术已经更加广泛地应用于各类电子产品上。

比如苹果手机用户非常熟悉的Siri,就是一种智能语音控制系统,它不仅可以支持自然语言输入,还可以调用系统自带的天气预报、日程安排、搜索资料等应用,更能够不断学习新的声音和语调,提供对话式的应答。

最近,在英国还出现了专门为丧失生活自理能力人士设计的声控房间,室内的一切器具都可以通过主人发令而自动运行。 房间内的声控装置只有一本笔记本大小,而且只能识别主人的指令,残障人士可以通过它轻松地开关门窗、启动家电。

在国外某些重要的通讯、交通或情报部门,声控技术还得到了更为实际的应用——自动预定车辆、分拣行李、查阅文献资料等等,不一而足。

目前,这些声控装置按照其识别语言的状况大致分为两类:一类是限定单词的语音识别声控装置,另一类则是非限定单词的语音识别声控装置。 第一类装置只能“听”懂规定范围内的单词口令,一般只有几百个,识别率在90%以上。 第二类装置能够“听”懂的单词数量在几千个左右,还可以识别复杂的语句,其中的技术自然也比第一类装置更先进。

 

让机器说话

——语言合成器

时至今日,能够“听”懂人类语言的机器已经不是什么新玩意儿了,现在机器装置的发展新趋势是借助“电子嘴巴”为机器增加“说”的功能,而“电子嘴巴”就是语言合成器。微电子技术的迅猛发展, 已经可以把这种复杂的装置制造成微小的大规模集成电路,推广普及应用到各种声控装置中。

机器能够模仿人声发出合成语言的道理,恰恰是语言识别过程的逆转。 把合成语言频带的一系列不同频率的振荡电压,按照语图的形状组合起来,再经过扬声器放音,就是语言合成器的工作过程。

其实,这种人造语言技术远比机器识别语言技术要成熟得多。早在1939年,在美国纽约世界博览会上就曾展出过一台形似钢琴的大型仪器,它就能模拟人声发音讲话。这台最早的人工语言合成装置曾经轰动一时,但由于体积过于庞大,一直未能走向市场。 如今,语言合成器日臻成熟完善,体积也不断缩小,终于有机会来到你我身边。

机器合成语言的方法通常有三种,其中效果最好、效率最高的就是波形译码法。 这种方法是用极高的频率连续测定每个音节的声波波形,将测定结果变为二进位数码输入到电脑中,使用时只需将数码取出并经过适当组合,就能转换为电信号发出声音。不过,这种方法每秒大约要处理5万个码,在单位时间内需要处理的信息量太大, 因此只有超级计算机才能胜任。第二种方法是音素合成法,它能把语音信息压缩到每秒100 个数码,同时将声母音进行提取,按照顺序排列,配以音调发生器与滤波器,发出缓慢的、勉强可懂的人工合成语言。但这种方法的准确度较低,只能在要求不高的场合使用。第三种方法是当前比较流行的线性预测编码法,它是在音素合成法的基础上进一步完善而成的。

语言合成器除了作为声控装置的一部分得到应用外,还被制成了文字语言转换装置,比如为盲人量身打造的、能够“读书看报”的阅读机。 

 神奇的未来

最近,在美国新奥尔良市举行的一次电脑展览会上,出现了一款使用者能够通过日常口语直接向电脑提问,或是操控电脑的新程序,人们不必再像以往那样借助键盘或鼠标输入各类指令——传统使用电脑的方式发生了改变。

电脑固然可以代替人的部分脑力劳动,但是它要求人们必须为其编制好程序。 所以,编制程序才是人们掌握电脑的最大障碍,这也是正版软件价格可能超出 电脑硬件价格的一个重要原因。 假如声控技术逐步完善,将来就有可能免除人工编制程序的繁琐过程——电脑将会按照口令自行编制工作程序。 事实上,这个美好的愿望很快就将实现,美国、日本和欧盟正在大力研发的第五代人工智能电脑,都将具有这类神奇功能。

目前来看,声控自动化技术还算不上尽善尽美,但相信大家都有更美好的期待。 如果要用一句诗词来形容这项技术,那便是“此时无声胜有声”,不对,应该是“此时有声胜无声”! 

上一篇:在南极,那段没有WIFI的日子里
下一篇:到底有没有外星人
©2011-2017 版权所有:中国数字科技馆
未经书面许可任何人不得复制或镜像
京ICP备11000850号 京公网安备110105007388号
信息网络传播视听节目许可证0111611号
国家科技基础条件平台