語(yǔ)音搜索技術(shù)的未來(lái)應用
顏永紅,中科院聲學(xué)所中科信利語(yǔ)音識別實(shí)驗室主任。
1990年畢業(yè)于清華大學(xué),1995年獲得美國俄勒岡研究院博士學(xué)位,后在該校任教,曾擔任OGI口語(yǔ)研究中心的副主任、英特爾微處理器實(shí)驗室的主任工程師和人機界面總框架師,英特爾中國研究中心的主任和首席研究員,英特爾全球人機界面學(xué)術(shù)委員會(huì )主席。
2002年入選中科院百人計劃,任聲學(xué)所研究員、博士生導師,中科信利語(yǔ)音實(shí)驗室主任和所長(cháng)助理。長(cháng)期從事人機界面研究工作,目前從事的研究領(lǐng)域:大詞表非特定人連續語(yǔ)音識別,多?谡Z(yǔ)系統,嵌入式系統,多媒體數據檢索,系統自適應和快速搜索算法。
在不久的將來(lái),互聯(lián)網(wǎng)將成為一個(gè)浩大的音視頻檔案庫,對下一代搜索引擎來(lái)說(shuō),語(yǔ)音識別技術(shù)是關(guān)鍵。
10年前,他曾是英特爾微處理器實(shí)驗室的主任工程師和人機界面總框架師,英特爾中國研究中心的主任和首席研究員。
如今,他一手創(chuàng )辦的中科院聲學(xué)所中科信利語(yǔ)音識別實(shí)驗室已發(fā)展成為國內語(yǔ)言聲學(xué)領(lǐng)域規模最大、學(xué)科最全的實(shí)驗室,與實(shí)驗室同時(shí)成立的中科信利技術(shù)有限公司也取得了長(cháng)足的發(fā)展。
兩個(gè)“孩子”的長(cháng)大讓他倍感欣慰。而同時(shí),他錯過(guò)了兩個(gè)寶貝女兒的成長(cháng),這是他最遺憾的。
“沒(méi)有什么后悔的,時(shí)間無(wú)法倒流,只能往前看!敝锌圃郝晫W(xué)所中科信利語(yǔ)音識別實(shí)驗室主任顏永紅說(shuō)。
一項技術(shù),牽制搜索引擎
“在不久的將來(lái),互聯(lián)網(wǎng)將成為一個(gè)浩大的音視頻檔案庫,對下一代搜索引擎來(lái)說(shuō),語(yǔ)音識別技術(shù)是關(guān)鍵!鳖佊兰t說(shuō)。
在浩繁的音視頻數據庫中,要查找出所需的音視頻片斷,已經(jīng)成為困擾互聯(lián)網(wǎng)搜索的難題——目前的技術(shù)主要是搜索音視頻的關(guān)鍵詞,比如音視頻的名字或作者,并沒(méi)有辦法搜索音視頻內容。而通過(guò)語(yǔ)音識別技術(shù),可以把多媒體文件變成可識別的計算機語(yǔ)言,從而有效快速的實(shí)現準確搜索。
事實(shí)上,語(yǔ)音識別技術(shù)也是各大公司競爭的一大焦點(diǎn)。
去年11月份,谷歌推出的語(yǔ)音搜索引起極大關(guān)注。用戶(hù)只需在手機上安裝一個(gè)軟件,然后利用手機原有的麥克風(fēng),用普通話(huà)對手機說(shuō)出需要查詢(xún)的內容,谷歌中文語(yǔ)音搜索會(huì )自動(dòng)返回整合的搜索結果。
“從實(shí)驗室成立到現在,我們一直在做這方面的技術(shù)積累,很快,我們和國內公司合作的語(yǔ)音搜索將面世!鳖佊兰t笑著(zhù)說(shuō)。
目前,中科信利的中文電視廣播新聞節目識別系統,就已經(jīng)被多家公司采用,并作為其提供給全國各電視臺的數字媒體管理系統中一個(gè)核心技術(shù)模塊。
這個(gè)系統立刻引起本報記者的強烈興趣——當系統“收聽(tīng)”到一段“新聞聯(lián)播”節目,自動(dòng)將節目?jì)热萆晌淖,并且識別準確率驚人地高。
“那是不是我們的采訪(fǎng)錄音直接可以被轉化成文字?”記者頓時(shí)興致勃勃。
“現在還不行!鳖佊兰t笑著(zhù)說(shuō),“因為語(yǔ)音識別包括語(yǔ)言模型和聲學(xué)模型,新聞?wù)Z(yǔ)言可以建立語(yǔ)言模型,但口語(yǔ)卻很難建立語(yǔ)言模型!
在語(yǔ)音識別實(shí)驗室里,視頻精確搜索已不是問(wèn)題。
在一段王楠比賽的視頻中,你只要輸入“側身?yè)尷、“前三板”等關(guān)鍵詞,就可以找到精確到秒的視頻。這就意味著(zhù),如果你想找一部電影里的精彩片段,只需記得其中的經(jīng)典臺詞即可搜索。
兩塊牌子,連起創(chuàng )新鏈條
顏永紅記得,語(yǔ)音實(shí)驗室獲得的第一筆項目經(jīng)費來(lái)自科技部863項目2003年語(yǔ)音識別領(lǐng)域的比賽!拔覀兊淖R別率是最高的,獲得了20萬(wàn)元的項目!
如今,上千萬(wàn)的課題在這里已不是新聞。他領(lǐng)導的這個(gè)年輕的團隊,已獲得授權發(fā)明專(zhuān)利22項;軟件著(zhù)作權登記36項;有30余項發(fā)明專(zhuān)利正在審查中;在國內外各種學(xué)術(shù)會(huì )議和刊物上,已經(jīng)發(fā)表了200多篇學(xué)術(shù)文章。
中科信利技術(shù)有限公司在業(yè)內也小有名氣,人們將他看成顏永紅的“著(zhù)作”之一。
事實(shí)上,8年前,公司的成立僅僅是給科研人員“畫(huà)了個(gè)餅”。
“科研人員不會(huì )成為富翁,但是至少應該體面地工作、體面地生活,所以,成立一個(gè)公司,讓大家研發(fā)出來(lái)的技術(shù)有一個(gè)走出去的載體,這就是田靜所長(cháng)和我當時(shí)的想法!鳖佊兰t說(shuō)。于是,在只有100多萬(wàn)元啟動(dòng)資金的情況下,中科信利成立。
萬(wàn)事開(kāi)頭難!肮厩皫啄甓紱](méi)有收入,最困難的時(shí)候甚至瀕臨倒閉了!闭f(shuō)這話(huà)時(shí),顏永紅是微笑的,但笑容背后的艱辛是旁觀(guān)者無(wú)法體會(huì )的,而他也不愿多言。
峰回路轉,中科信利等到了第一次商機。其研發(fā)的產(chǎn)品嵌入式語(yǔ)音軟件被應用在了手機上,這就是大家比較熟悉的語(yǔ)音撥號。
“有些人的手機里存了幾百上千個(gè)電話(huà)號碼,找起來(lái)很麻煩,安裝這一軟件后,只要對著(zhù)手機叫出對方名字,即可調出他的資料!鳖佊兰t介紹道。
這個(gè)嵌入式語(yǔ)音軟件支持語(yǔ)音撥號、命令控制、來(lái)電短信提醒、語(yǔ)音讀出短信、連呼數字撥號等功能。此外,他們還開(kāi)發(fā)出基于分布式集群架構的語(yǔ)音處理平臺TSE。
“在此之前,電信級語(yǔ)音識別引擎技術(shù)完全被美國公司壟斷,但現在我們完全有底氣說(shuō),我們占據了大半壁江山!毖灾链,顏永紅的語(yǔ)調高了很多。確實(shí),在國內,真正能夠將語(yǔ)音識別產(chǎn)品拿出來(lái),放在電信網(wǎng)上規模使用的,也只有中科信利。
語(yǔ)音實(shí)驗室承擔著(zhù)國家科研任務(wù),中科信利公司開(kāi)發(fā)語(yǔ)音技術(shù)產(chǎn)品,這兩個(gè)牌子的作用互為配合,相得益彰。顏永紅介紹說(shuō):“實(shí)用技術(shù)的推廣應用,不是所有實(shí)驗室的人員能夠勝任的事情。在科技創(chuàng )新的整個(gè)鏈條上,我們分為概念產(chǎn)生、原理研究、原理性樣機研制、產(chǎn)品化、市場(chǎng)推廣,總共為五個(gè)階段。語(yǔ)音實(shí)驗室基本承擔前三段,后兩段則由中科信利技術(shù)有限公司完成!
“十一五”期間的策略是由公司支持實(shí)驗室,而“十二五”期間,需要大力發(fā)展公司。顏永紅說(shuō):“下一步我們需要積極探索,怎樣通過(guò)發(fā)展公司帶來(lái)更多機會(huì ),打破實(shí)驗室發(fā)展的瓶頸!
——— 學(xué)生印象 ———
他已經(jīng)過(guò)了要勤奮的年紀,但對他而言勤奮已成為一種態(tài)度
對于成績(jì)的取得,顏永紅反復說(shuō):“多虧了中科院和聲學(xué)所領(lǐng)導,以及各方面的關(guān)心支持!
而在許多人看來(lái),更為重要的或許是他身體力行的“拼命三郎”的精神——早上不論多早,晚上不論多晚,人們都能在語(yǔ)音實(shí)驗室的大樓看見(jiàn)他忙碌的身影。
董濱是顏永紅培養的第二位學(xué)生,2006年博士畢業(yè)后他進(jìn)入一家日本企業(yè)的研究機構工作,但一年后他選擇回到實(shí)驗室!邦伬蠋熃o我最大的影響是勤奮!毕肓讼,他又說(shuō)道,“應該叫敬業(yè)吧,勤奮用來(lái)形容他似乎不太合適!
也許在學(xué)生看來(lái),顏老師已經(jīng)過(guò)了要勤奮的年紀。但對于顏永紅自己而言,勤奮早已成為一種態(tài)度。
前幾年,顏永紅是大家公認的“來(lái)得最早,走得最晚的人”。而現在,他不得不承認:“精力不如從前了,來(lái)得最早還能做到,但已經(jīng)不是走得最晚的人了!
但他對學(xué)生的第一要求依然是勤奮。
“面試研究生時(shí),我一般都問(wèn)兩個(gè)問(wèn)題:你想達到什么樣的目標,你是否足夠勤奮。這兩個(gè)問(wèn)題可不是那么好回答的,它是用接下來(lái)幾年時(shí)間去驗證的!鳖佊兰t說(shuō)。
“我覺(jué)得自己這個(gè)導師當得還行,這幾年我培養的9名博士生中,有4個(gè)拿到了中科院的院長(cháng)獎勵,一位是院優(yōu)秀畢業(yè)生,兩位是‘微軟學(xué)者’!睂τ陬佊兰t來(lái)說(shuō),這個(gè)成績(jì)單顯然比研發(fā)出任何一種新技術(shù)更重要。
——— 兒女情長(cháng) ———
和科研團聚,與家人分離
2002年11月,一則新聞讓顏永紅走進(jìn)公眾視野:曾任英特爾中國研究中心主任、首席研究員的顏永紅,和他麾下的6位科研人員,先后集體“跳槽”,來(lái)到中科院聲學(xué)研究所,組建中科信利語(yǔ)音實(shí)驗室。
甚至有媒體以這一事件為切入口,來(lái)討論跨國企業(yè)的用人戰略調整等等。
這么大的動(dòng)靜或許是顏永紅沒(méi)想到的。
其實(shí)早在2001年4月,顏永紅就離開(kāi)英特爾中國研究中心,回到美國俄勒岡研究院工作了一段時(shí)間!耙驗槲姨秃⒆佣荚诿绹,聲學(xué)所田靜所長(cháng)當時(shí)和我談的是每年回國工作3個(gè)月,后來(lái)事情太多,我自己就基本上全年都在國內了,所以說(shuō),我是一步一步走回來(lái)的!鳖佊兰t頗有些調侃地說(shuō)。
2004年6月份,當他在俄勒岡研究院的博士生畢業(yè)離校時(shí),顏永紅也正式辭職回國。
他的太太和兩個(gè)女兒,至今還生活在美國!昂⒆觽冊谀抢锍錾L(cháng)大,估計很難適應國內的教育強度!鳖佊兰t說(shuō)。
這8年里,他經(jīng)歷了酸甜苦辣。最苦的莫過(guò)于對妻女的思念!拔一貒臅r(shí)候大女兒6歲,小女兒4歲,一個(gè)父親,錯過(guò)了孩子成長(cháng)中最關(guān)鍵的時(shí)刻,這是我這輩子都沒(méi)辦法彌補的遺憾!鳖佊兰t輕聲說(shuō),“每次我從美國回來(lái)的前一天,都能感覺(jué)到她們的情緒很低落,出門(mén)的時(shí)候真的很心酸!
好在有了視頻聊天,“至少現在我每天都能看到她們了!泵刻煸缟7點(diǎn)鐘,只要不開(kāi)會(huì ),顏永紅到辦公室的第一件事就是上網(wǎng)和她們聊天,因為這個(gè)時(shí)間剛好是美國波特蘭下午三點(diǎn)鐘女兒們放學(xué)回家的時(shí)候。



















