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。

yuyinshibiejishuzaitaishidiannaozhongdeyingyongyoulianggezhiyueyinsu。diyi，weileshizhegeyingyongchengxuyigenggaodezhunquexinggongzuo
，zhegeyingyongchengxubixuyaojinxingxunlianyibianshibieyonghudeyuyintezheng。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。

Nguyen補(bu)充(chong)說(shuo)
，如(ru)果(guo)不(bu)用(yong)語(yu)音(yin)技(ji)術(shu)說(shuo)出(chu)一(yi)個(ge)簡(jian)單(dan)的(de)說(shuo)明(ming)語(yu)句(ju)
，而(er)是(shi)翻(fan)動(dong)許(xu)多(duo)菜(cai)單(dan)或(huo)者(zhe)努(nu)力(li)地(di)在(zai)小(xiao)顯(xian)示(shi)屏(ping)鍵(jian)盤(pan)上(shang)進(jin)行(xing)輸(shu)入(ru)

，語(yu)音(yin)識(shi)別(bie)的(de)價(jia)值(zhi)就(jiu)顯(xian)現(xian)出(chu)來(lai)了(le)。隨(sui)著(zhe)觸(chu)摸(mo)屏(ping)設(she)備(bei)(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2000niandaichudeqingkuang。jinguannashihaiyouyixiejuxianxing，danshi

，shoujijingguobianchengzhihounenggoushibiezhugeshuzidebohaoyuyin
，zaimouzhongchengdushanghainengshibierendemingzi。zhuyaowentishineicun，yinci，daduoshushoujiyicizhinengshibie10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 Manejieshilesudugengkuaidewangluoshiruhebangzhugugeyuyinyingyongchengxude。tashuo，youyusuoyoufanzhongdechulirenwudoushiyougugefuwuqizaiwangluoshangchulide
，womenjianshaolezhangshangshebeijisuannenglidexianzhi。

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。Rele表biao示shi，用yong戶hu的de語yu音yin輸shu入ru以yi及ji從cong其qi它ta有you關guan用yong戶hu及ji用yong戶hu環huan境jing的de傳chuan感gan器qi和he狀zhuang態tai獲huo得de的de智zhi能neng信xin息xi可ke以yi提ti供gong更geng豐feng富fu的de和he更geng相xiang關guan的de結jie果guo。例li如ru，如ru果guo你ni剛gang剛gang使shi用yongFoursquare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

手shou機ji一yi直zhi是shi許xu多duo技ji術shu的de孵fu化hua器qi和he推tui動dong因yin素su
，這zhe包bao括kuo硬ying件jian和he軟ruan件jian技ji術shu。到dao目mu前qian為wei止zhi，在zai這zhe個ge組zu合he中zhong增zeng加jia語yu音yin功gong能neng僅jin產chan生sheng了le逐zhu步bu的de改gai善shan
，穀gu歌ge語yu音yin應ying用yong程cheng序xu的de很hen好hao的de功gong能neng。

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)。