中心議題：

• 學習智能手機的超性能語音識別技術
• 手機提供的羅盤或者GPS能夠增強自然語言處理的有用性

解決方案：

• 在移動設備方麵設計

• 硬件和軟件技術

當語音識別技術應用到計算機桌麵的時候，這看起來似乎是一個好主意。但是，對於大多數人來說

，語音識別還不能取代鍵盤和鼠標。現在
，語音技術正用於一個全新的環境：shouji。yuyinshibiejishuzaishoujizhongdeyingyongjiangjinyibutuidongzhezhongjishuxiangxindefangxiangfazhanheyingyong。zheshiyuyinshibiejishuzaitaishidiannaoyingyongzhongconglaimeiyoushezudefangxiang。

IBM今年將紀念其創建100周年。IBM在60年代初期創建了一個名為“Shoebox”的試驗性的語音識別係統。這個係統解決了口語算法問題。語音識別技術是在50年代作為一項早期的技術第一次出現的，當時主要是由於好奇。在60年代初，IBM的“Shoebox”設備能夠識別出16個口語單詞並且能夠回答簡單的數學問題，如“3 + 4 =?”。

Dragon Systems在80年代初為DOS計算機推出的DragonDictate可ke能neng是shi第di一yi個ge語yu音yin識shi別bie應ying用yong程cheng序xu。這zhe個ge應ying用yong程cheng序xu隻zhi能neng識shi別bie單dan個ge單dan詞ci，每mei次ci隻zhi說shuo一yi個ge單dan詞ci。隨sui著zhe時shi間jian的de推tui移yi，這zhe個ge應ying用yong程cheng序xu已yi經jing發fa展zhan成cheng為wei名ming為wei“Dragon NaturallySpeaking”(目前是第11個版本
，由Nuance通訊公司所有)的產品。這個應用程序能夠翻譯以正常的會話語音和速度讀出的文本。

語yu音yin識shi別bie技ji術shu在zai台tai式shi電dian腦nao中zhong的de應ying用yong有you兩liang個ge製zhi約yue因yin素su。第di一yi

，為wei了le使shi這zhe個ge應ying用yong程cheng序xu以yi更geng高gao的de準zhun確que性xing工gong作zuo，這zhe個ge應ying用yong程cheng序xu必bi須xu要yao進jin行xing訓xun練lian以yi便bian識shi別bie用yong戶hu的de語yu音yin特te征zheng。Windows Vista和Windows 7操作係統中的本地語音轉換文本技術和Dragon NaturallySpeaking等第三方產品仍然都需要一個用戶訓練期才能使用。

第二個製約因素是鍵盤的流行程度。大多數人已經習慣於鍵盤打字而不是講話
，因此，語音控製麵臨Dvorak鍵盤布局同樣的應用障礙。當簡單的老式QWERTY鍵盤供貨充足並且工作的很好的時候，為什麼要學習使用Dvorak鍵盤呢?

微軟TellMe團隊是負責為多媒體環境開發語音識別技術的部門。TellMe團隊高級產品經理Abhi Rele指出
，在台式電腦環境
，用戶有方便的人機交流模式，如鍵盤和鼠標。因此，語音的使用主要是針對語音愛好者的。

語音控製的計算更廣泛的應用需要兩件事情：更好的方便的應用和主要使用語音的地方。手機正是很長時間以來一直在增長的這種地方。

Nuance負責產品管理和營銷的副總裁Matt Revis解釋說，台式電腦和移動環境的區別是這樣的：台式電腦是一個固定的環境，重點完全在於台式電腦的使用情況。因此，台式電腦的語音技術主要執行如下任務：支持辦公應用程序、網絡瀏覽、通訊等。在移動方麵，語音更多地用於支持各種生活方式方麵：移動中的專業人員

、戶外的有趣活動、免提電話等等。

Gartner分析師Tuong Nguyen讚同這個觀點：語音在移動環境中更有意義。他說，從使用的角度看，掌上設備的語音識別功能價值更大。它增加了用戶友好的

、方便的輸入方式。

Nguyenbuchongshuo，ruguobuyongyuyinjishushuochuyigejiandandeshuomingyuju，ershifandongxuduocaidanhuozhenulidizaixiaoxianshipingjianpanshangjinxingshuru，yuyinshibiedejiazhijiuxianxianchulaile。suizhechumopingshebei(沒有物理鍵盤)應用的增長，語音識別技術將用來增強數據輸入和輸出。語音識別還支持免提要求或者法律要求。
[page]
在移動設備方麵

因為移動設備一般僅支持台式電腦的一部分存儲和處理功能，語音處理需要一些時間才能以基本的形式出現在手機中。

語音處理Springer手冊解釋了手機在2000年nian代dai初chu的de情qing況kuang。盡jin管guan那na時shi還hai有you一yi些xie局ju限xian性xing，但dan是shi，手shou機ji經jing過guo編bian程cheng之zhi後hou能neng夠gou識shi別bie逐zhu個ge數shu字zi的de撥bo號hao語yu音yin，在zai某mou種zhong程cheng度du上shang還hai能neng識shi別bie人ren的de名ming字zi。主zhu要yao問wen題ti是shi內nei存cun
，因yin此ci，大da多duo數shu手shou機ji一yi次ci隻zhi能neng識shi別bie10個數字或者名字。但是
，這些作者指出的另一個問題是這個功能使用的比較少
，可能是因為手機廠商在這方麵的營銷很糟糕。

隨著手機的增加內存和增強處理能力，普通手機的識別能力也增強了。三星電子在2005年發布的售價99美元的SCH-p-207型手機增加了語音至文本的聽寫功能和語音撥號功能。隨著內存達到數百MB和存儲容量達到數GB

，目前這一代智能手機很少受到限製。

另ling一yi個ge關guan鍵jian的de進jin步bu是shi網wang絡luo速su度du。速su度du更geng快kuai的de無wu線xian網wang絡luo浪lang潮chao抬tai高gao了le許xu多duo大da船chuan
，包bao括kuo最zui新xin一yi代dai的de語yu音yin處chu理li技ji術shu。速su度du更geng快kuai的de網wang絡luo能neng夠gou把ba語yu音yin處chu理li任ren務wu從cong網wang絡luo遷qian移yi到dao遠yuan程cheng服fu務wu器qi。

穀歌語音搜索產品經理Amir Mane解jie釋shi了le速su度du更geng快kuai的de網wang絡luo是shi如ru何he幫bang助zhu穀gu歌ge語yu音yin應ying用yong程cheng序xu的de。他ta說shuo，由you於yu所suo有you繁fan重zhong的de處chu理li任ren務wu都dou是shi由you穀gu歌ge服fu務wu器qi在zai網wang絡luo上shang處chu理li的de，我wo們men減jian少shao了le掌zhang上shang設she備bei計ji算suan能neng力li的de限xian製zhi。

目前的應用程序

手(shou)機(ji)語(yu)音(yin)識(shi)別(bie)技(ji)術(shu)目(mu)前(qian)的(de)狀(zhuang)態(tai)不(bu)僅(jin)僅(jin)局(ju)限(xian)於(yu)語(yu)音(yin)撥(bo)號(hao)。語(yu)音(yin)啟(qi)動(dong)的(de)功(gong)能(neng)實(shi)際(ji)上(shang)就(jiu)包(bao)括(kuo)語(yu)音(yin)撥(bo)號(hao)。這(zhe)是(shi)手(shou)機(ji)上(shang)出(chu)現(xian)的(de)第(di)一(yi)個(ge)語(yu)音(yin)識(shi)別(bie)功(gong)能(neng)。目(mu)前(qian)，甚(shen)至(zhi)許(xu)多(duo)低(di)端(duan)手(shou)機(ji)都(dou)有(you)這(zhe)個(ge)功(gong)能(neng)，盡(jin)管(guan)這(zhe)個(ge)功(gong)能(neng)處(chu)理(li)手(shou)機(ji)電(dian)話(hua)簿(bu)中(zhong)一(yi)些(xie)不(bu)常(chang)用(yong)的(de)名(ming)字(zi)的(de)時(shi)稍(shao)差(cha)一(yi)些(xie)。

Gartner分析師Nguyen指zhi出chu
，比bi較jiao新xin的de一yi代dai語yu音yin功gong能neng是shi更geng開kai放fang的de。不bu用yong編bian程cheng執zhi行xing某mou些xie功gong能neng的de具ju體ti的de語yu音yin指zhi令ling，應ying用yong程cheng序xu可ke識shi別bie語yu音yin並bing且qie執zhi行xing適shi當dang的de行xing動dong。更geng高gao端duan的de、更強大的設備使這些應用更可行。換句話說
，不僅僅是能夠使用這個短語“呼叫888-555-1212”撥打一個電話號碼，用戶還可以說“呼叫媽媽”或者“給我媽媽打電話”。

穀(gu)歌(ge)語(yu)音(yin)搜(sou)索(suo)擁(yong)有(you)比(bi)以(yi)前(qian)的(de)語(yu)音(yin)識(shi)別(bie)技(ji)術(shu)更(geng)少(shao)的(de)限(xian)製(zhi)
，因(yin)為(wei)所(suo)有(you)的(de)繁(fan)重(zhong)任(ren)務(wu)都(dou)是(shi)由(you)網(wang)絡(luo)服(fu)務(wu)器(qi)完(wan)成(cheng)的(de)。這(zhe)使(shi)穀(gu)歌(ge)語(yu)音(yin)搜(sou)索(suo)等(deng)語(yu)音(yin)驅(qu)動(dong)的(de)應(ying)用(yong)程(cheng)序(xu)更(geng)可(ke)行(xing)。例(li)如(ru)，如(ru)果(guo)你(ni)說(shuo)“創戰紀電影時間”，你會看到一個網頁列出地區編號或者位置。這個應用程序不僅能夠識別出這個短語的意思
，而且還能提供你的手機(你當前的位置)和網站(上映時間)的信息。

這個應用程序還非常熟悉英語，不用進行訓練就能自動分辨出一些詞彙的差別。如果我說“摩特裏褲(Motley Crue)樂隊”，這個應用程序甚至能在搜索詞彙方便使用這個樂隊的獨特的拚寫，盡管它會漏掉變音符號。搜索“Motley''''s Crew”，你會得到一個喜劇片。

這zhe就jiu是shi說shuo穀gu歌ge語yu音yin識shi別bie的de限xian製zhi明ming顯xian地di表biao明ming將jiang使shi你ni進jin一yi步bu脫tuo離li主zhu流liu的de英ying語yu。外wai國guo人ren的de名ming字zi是shi沒mei有you幫bang助zhu的de。語yu音yin識shi別bie應ying用yong程cheng序xu的de另ling一yi個ge問wen題ti是shi環huan境jing的de噪zao音yin。移yi動dong用yong戶hu受shou環huan境jing噪zao音yin的de影ying響xiang通tong常chang比bi台tai式shi電dian腦nao用yong戶hu多duo。Nuance公司的Revis稱，在充滿噪音的戶外環境中，語音識別的準確性是一個問題。

自從2005年三星的那款手機推出以來，聽寫功能已經取得了長足的進步。由Dragon NaturallySpeaking驅動的iPhone的Dragon聽寫功能允許用戶聽寫從備忘錄、電子郵件到Twitter更新等一切內容。用於電子郵件的Dragon軟件為黑莓設備提供了類似的功能。

對於Android手機來說
，Nuance提供了FlexT9軟件。這個軟件把Dragon聽寫功能與三種類型的觸摸屏輸入方式結合在了一起。還有一個Handcent短信應用程序。這個應用程序集成了Android本地語音識別技術以幫助你用語音發短信。

文本之間的翻譯目前已經推出多年(如通過知名的Babel Fish網站進行翻譯)。同聲翻譯功能現在還沒有，不過，這種軟件很快會推出。例如，用於iPhone的Jibbigo軟件可翻譯單詞、短語和合理的簡單句子，讓雙方交替地講話。
[page]
未來的方向

詢問參加開發語音技術的每一個人下一個巨大的步驟是什麼。他們一般會給你一個答案：自然語言處理。

Revis把ba它ta解jie釋shi為wei理li解jie你ni的de意yi思si的de係xi統tong，它ta不bu僅jin僅jin知zhi道dao你ni說shuo什shen麼me。在zai會hui話hua式shi的de互hu動dong模mo式shi中zhong，用yong戶hu說shuo自zi己ji要yao說shuo的de話hua
，沒mei有you限xian製zhi用yong戶hu如ru何he說shuo這zhe個ge話hua。他ta提ti供gong了le指zhi令ling或huo者zhe要yao求qiu得de到dao信xin息xi的de例li子zi，如ru“我在什麼地方能夠買到100美元以下的尼康照相機?”或者“給傑尼發個短信說我晚到20分鍾”或者“今天晚上在Morton''''s訂三個人的地方”。

穀歌的Mane稱cheng，在zai口kou語yu對dui話hua中zhong提ti供gong自zi然ran的de語yu言yan處chu理li是shi一yi個ge雙shuang重zhong挑tiao戰zhan。首shou先xian，你ni必bi須xu識shi別bie這zhe些xie單dan詞ci，然ran後hou，你ni必bi須xu理li解jie這zhe個ge意yi思si。第di一yi部bu分fen變bian得de更geng加jia容rong易yi了le。但dan是shi
，第di二er部bu分fen仍reng然ran很hen難nan解jie決jue：意思是根據上下文確定的和難以應付的，人類做的語法分析也不是總是成功的。

微軟的Rele認為
，手機提供的額外的服務(如羅盤或者GPS)能夠增強自然語言處理的有用性。他說，你可以為兩個人安排吃飯和看電影，方法是利用不同來源的數據把這個任務分開
，如使用日曆、飯店排名、電影評論和位置等數據。

此外
，手機的服務能夠用於提供講話的環境。Relebiaoshi，yonghudeyuyinshuruyijicongqitayouguanyonghujiyonghuhuanjingdechuanganqihezhuangtaihuodedezhinengxinxikeyitigonggengfengfudehegengxiangguandejieguo。liru，ruguoniganggangshiyongFoursquare網站查看有關飯店
，一些含糊的語音指令就會傾向於外出吃飯

、訂膳宿和要一輛出租車等事情。

多平台應用程序Vlingo自稱是“虛擬助手”
，已經能夠提供這些方麵的功能。這個軟件插入到OpenTable和Fandango等服務中以完成許多任務：訂飯店、訂電影票等等。

Nguyen認為未來語音識別技術改善的另一個領域是遊戲。他說，在遊戲中可以使用語音以增加玩遊戲的不同氛圍。例如，你可以把Kirk-style船長的命令傳遞給恒星飛船或者在在一個神秘的事情中審訊疑犯。
是你嗎?已經應用的另一個功能是自動地把語音識別適用於單個用戶。這是台式電腦語音識別技術所要求的免提版語音訓練。

例如

，最新版本的穀歌語音搜索有一個選擇性加入功能，允許隨著時間的推移建立一個用戶的客戶化語音特征。Mane解釋說，當用戶選擇使用客戶化語音識別的時候

，我們在用戶和用戶的語調方麵畫一個界限，這使我們能夠建立一個初步的、個性化的語音識別模式。

然而，個性化識別並不是一個能夠解決一切問題的技術，它隻是實現語音識別更加無縫化的一個過渡步驟。Mane稱，我們沒有把個性化識別看作一個唯一的解決方案
，因為還會有更多的一係列的技術創新。Mane認為，這種技術未來的改進需要我們的用戶更積極的參與。

結論

shoujiyizhishixuduojishudefuhuaqihetuidongyinsu，zhebaokuoyingjianheruanjianjishu。daomuqianweizhi，zaizhegezuhezhongzengjiayuyingongnengjinchanshenglezhubudegaishan，gugeyuyinyingyongchengxudehenhaodegongneng。

但dan是shi
，這zhe些xie改gai進jin正zheng逐zhu步bu地di為wei更geng重zhong要yao的de進jin步bu鋪pu平ping道dao路lu。移yi動dong技ji術shu為wei如ru何he聚ju集ji這zhe些xie新xin技ji術shu提ti供gong了le一yi個ge全quan新xin的de舞wu台tai。下xia一yi步bu也ye許xu不bu是shi一yi個ge理li解jie你ni說shuo的de一yi切qie事shi情qing的de手shou機ji，而er是shi能neng夠gou充chong分fen理li解jie你ni說shuo的de事shi情qing的de一yi個ge更geng有you用yong的de手shou機ji。