語音辨識在矯正發音上的應用

在進入文章的主題之前，我想先談一些個人的經驗，因為這樣也許能讓大家更瞭解接下來要說明的內容，以及為什麼要談這個題目。雖然在博士班的時候，做的題目是「中文語音合成系統」，但在畢業後不久，便到聲碩科技股份有限公司工作，主要的產品「說亦通」是一個語音輸入軟體。當時的「說亦通」其實是台大李琳山教授團隊所研發出來的「金聲三號」的一個商業化的版本，運算速度相對較快，需要的記憶體較少，用來訓練的語料庫更多，使用介面更方便等等。這樣的軟體，在當時算是一個全新的商品，市場上也只有IBM的ViaVoice是主要的競爭對手。由於中文的鍵盤輸入比較複雜，不管是使用注音、倉頡或是其他各種的輸入法，都需要有長時間的練習，才能有較快的速度。因此，中文語音輸入法在當是被視為是一個殺手級的應用，大家十分看好這樣商品的發展，在市場上也引起了一些注意。為了推廣「說亦通」，聲碩到各個資訊展覽的會場去擺攤子，同時訓練了一些業務人員，進行示範，很多人看了示範，覺得非常神奇，也十分實用，就當場買了回去。但是「說亦通」的銷售量並沒有因此逐漸上升，調查一下原因，買回去使用的人，大部分覺得辨識率不好，跟展覽會場看到的差很多，有些人甚至有受騙、上當的感覺。想想也對，以那些業務人員來說，他們也是要經過一段時間的訓練，才能有穩定的辨識率，一般人可能連麥克風都沒戴好，說的時候，更不會注意到要保持適當的速度，如何能有我們在實驗室控制環境下所測試出來的數據呢？為了解決這個問題，聲碩提供了一個小時到府訓練的課程，會使用這樣訓練課程的，大部分是不太懂電腦的人，年紀也偏大，所以還是有很多人即使經過訓練、調整，辨識效果還是很差。而通常如果你希望使用者調整一下說話的速度，或者是稍微注意一下發音，得到的反應總是「我說話就是ㄗㄜˋㄍㄛ․樣子，是你們的系統太爛了。」這時候你還能說什麼呢？承認吧！現階段語音辨識所使用的語料與語言模型，是沒有辦法解決這樣的問題的。