智能手机的超性能语音识别技术(2)

另一个关键的进步是网络速度。速度更快的无线网络浪潮抬高了许多大船，包括最新一代的语音处理技术。速度更快的网络能够把语音处理任务从网络迁移到远程服务器。

谷歌语音搜索产品经理Amir Mane解释了速度更快的网络是如何帮助谷歌语音应用程序的。他说，由于所有繁重的处理任务都是由谷歌服务器在网络上处理的，我们减少了掌上设备计算能力的限制。

目前的应用程序

手机语音识别技术目前的状态不仅仅局限于语音拨号。语音启动的功能实际上就包括语音拨号。这是手机上出现的第一个语音识别功能。目前，甚至许多低端手机都有这个功能，尽管这个功能处理手机电话簿中一些不常用的名字的时稍差一些。

Gartner分析师Nguyen指出，比较新的一代语音功能是更开放的。不用编程执行某些功能的具体的语音指令，应用程序可识别语音并且执行适当的行动。更高端的、更强大的设备使这些应用更可行。换句话说，不仅仅是能够使用这个短语“呼叫888-555-1212”拨打一个电话号码，用户还可以说“呼叫妈妈”或者“给我妈妈打电话”。

谷歌语音搜索拥有比以前的语音识别技术更少的限制，因为所有的繁重任务都是由网络服务器完成的。这使谷歌语音搜索等语音驱动的应用程序更可行。例如，如果你说“创战纪电影时间”，你会看到一个网页列出地区编号或者位置。这个应用程序不仅能够识别出这个短语的意思，而且还能提供你的手机(你当前的位置)和网站(上映时间)的信息。

这个应用程序还非常熟悉英语，不用进行训练就能自动分辨出一些词汇的差别。如果我说“摩特里裤(Motley Crue)乐队”，这个应用程序甚至能在搜索词汇方便使用这个乐队的独特的拼写，尽管它会漏掉变音符号。搜索“Motley's Crew”，你会得到一个喜剧片。

这就是说谷歌语音识别的限制明显地表明将使你进一步脱离主流的英语。外国人的名字是没有帮助的。语音识别应用程序的另一个问题是环境的噪音。移动用户受环境噪音的影响通常比台式电脑用户多。Nuance公司的Revis称，在充满噪音的户外环境中，语音识别的准确性是一个问题。

自从2005年三星的那款手机推出以来，听写功能已经取得了长足的进步。由Dragon NaturallySpeaking驱动的iPhone的Dragon听写功能允许用户听写从备忘录、电子邮件到Twitter更新等一切内容。用于电子邮件的Dragon软件为黑莓设备提供了类似的功能。

对于Android手机来说，Nuance提供了FlexT9软件。这个软件把Dragon听写功能与三种类型的触摸屏输入方式结合在了一起。还有一个Handcent短信应用程序。这个应用程序集成了Android本地语音识别技术以帮助你用语音发短信。

文本之间的翻译目前已经推出多年(如通过知名的Babel Fish网站进行翻译)。同声翻译功能现在还没有，不过，这种软件很快会推出。例如，用于iPhone的Jibbigo软件可翻译单词、短语和合理的简单句子，让双方交替地讲话。

未来的方向

询问参加开发语音技术的每一个人下一个巨大的步骤是什么。他们一般会给你一个答案：自然语言处理。

Revis把它解释为理解你的意思的系统，它不仅仅知道你说什么。在会话式的互动模式中，用户说自己要说的话，没有限制用户如何说这个话。他提供了指令或者要求得到信息的例子，如“我在什么地方能够买到100美元以下的尼康照相机?”或者“给杰尼发个短信说我晚到20分钟”或者“今天晚上在Morton's订三个人的地方”。

谷歌的Mane称，在口语对话中提供自然的语言处理是一个双重挑战。首先，你必须识别这些单词，然后，你必须理解这个意思。第一部分变得更加容易了。但是，第二部分仍然很难解决：意思是根据上下文确定的和难以应付的，人类做的语法分析也不是总是成功的。(责任编辑：admin)