車(chē)載語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音語(yǔ)料庫(kù)構(gòu)建探究

王大鵬

（渤海大學(xué)大學(xué)外語(yǔ)教研部, 遼寧錦州 121013）

0 引言

計(jì)算機(jī)語(yǔ)料庫(kù)建設(shè)是自然語(yǔ)言處理領(lǐng)域的核心基礎(chǔ)工作，在機(jī)器翻譯、人機(jī)對(duì)話、信息提取、語(yǔ)言學(xué)研究、自動(dòng)語(yǔ)音識(shí)別和人工智能等諸多方面起著重要作用，是一門(mén)將語(yǔ)言和計(jì)算機(jī)融合在一起的交叉學(xué)科。隨著計(jì)算機(jī)技術(shù)的日新月異，語(yǔ)料庫(kù)的建設(shè)模式也從純文本的單一模式逐步過(guò)渡到可以融合圖片、語(yǔ)音和圖像的多模態(tài)模式。在GPS全球定位技術(shù)商用和民用的今天，基于GPS的車(chē)載語(yǔ)音自動(dòng)導(dǎo)航系統(tǒng)的研究對(duì)于汽車(chē)未來(lái)的發(fā)展有著不可估量的影響，未來(lái)的汽車(chē)可以通過(guò)人類語(yǔ)音指令自動(dòng)駕駛、電腦自動(dòng)選擇最佳行進(jìn)路線。因此，語(yǔ)音導(dǎo)航系統(tǒng)的語(yǔ)音語(yǔ)料庫(kù)建設(shè)是一項(xiàng)重要的基礎(chǔ)任務(wù)，它涉及到多模態(tài)語(yǔ)料庫(kù)的設(shè)計(jì)和構(gòu)建。

1 語(yǔ)音語(yǔ)料庫(kù)與語(yǔ)音導(dǎo)航系統(tǒng)

語(yǔ)料庫(kù)是按照一定的語(yǔ)言學(xué)原則，運(yùn)用隨機(jī)抽樣方法，收集自然出現(xiàn)的語(yǔ)言運(yùn)用文本或話語(yǔ)片段來(lái)建立。從其本質(zhì)上講，語(yǔ)料庫(kù)實(shí)際上是通過(guò)對(duì)自然語(yǔ)言運(yùn)用的隨機(jī)抽樣，以一定大小的語(yǔ)言樣本來(lái)代表某一研究中所確定的語(yǔ)言運(yùn)用總體（馮志偉，2008）。現(xiàn)階段的語(yǔ)料庫(kù)指的都是基于計(jì)算機(jī)處理或研究語(yǔ)言的方式。完整意義上、初具規(guī)模的計(jì)算機(jī)語(yǔ)料庫(kù)最早可以追溯到20世紀(jì)60、70年代，典型的實(shí)例是Brown、LOB、SSE、LLC等；80年代至今語(yǔ)料庫(kù)的發(fā)展有海量化的趨勢(shì)，如：Cobuild、Bank of English、BNC、COCA等。但不管語(yǔ)料庫(kù)規(guī)模如何擴(kuò)大，從媒介上看本質(zhì)上都是純文本的語(yǔ)料庫(kù)；只是語(yǔ)料庫(kù)的文本存儲(chǔ)格式從TXT轉(zhuǎn)變?yōu)閄ML。但隨著時(shí)代和科技的發(fā)展，單一純文本的語(yǔ)料庫(kù)已經(jīng)不適用于研究和學(xué)習(xí)的需要；超越純文本的語(yǔ)音和視頻語(yǔ)料庫(kù)是時(shí)代發(fā)展的必然產(chǎn)物。多模態(tài)語(yǔ)料庫(kù)可以包括文字、聲音和圖像等多種媒介，全方位表現(xiàn)語(yǔ)言的多種特性。語(yǔ)音語(yǔ)料庫(kù)中的主體媒介是音頻，因此對(duì)聲音的搜集、處理、分類、標(biāo)注和存儲(chǔ)是語(yǔ)音語(yǔ)料庫(kù)需要研究和解決的問(wèn)題。語(yǔ)音語(yǔ)料庫(kù)可以為語(yǔ)音導(dǎo)航系統(tǒng)提供實(shí)驗(yàn)語(yǔ)料，是語(yǔ)音識(shí)別與合成技術(shù)的基礎(chǔ)性研究。隨著語(yǔ)料庫(kù)語(yǔ)音學(xué)與韻律學(xué)的發(fā)展和波形拼接技術(shù)的成熟，語(yǔ)音語(yǔ)料庫(kù)的發(fā)展也進(jìn)入了相對(duì)成熟期。語(yǔ)音導(dǎo)航系統(tǒng)的開(kāi)發(fā)和研制是科技發(fā)展的必然產(chǎn)物，具有人工智能的特色；其與GPS定位技術(shù)的結(jié)合，使其成為車(chē)載定位系統(tǒng)的最佳載體。

2 語(yǔ)音語(yǔ)料庫(kù)的設(shè)計(jì)原則

基于GPS的車(chē)載導(dǎo)航儀是汽車(chē)上的必備裝置，它可幫助司機(jī)辨別方向，選擇最佳行進(jìn)路線；但目前的車(chē)載導(dǎo)航儀大多是通過(guò)點(diǎn)擊電子地圖或手寫(xiě)進(jìn)行操作，這樣無(wú)形中增加了操作的繁瑣性，為行車(chē)帶來(lái)安全隱患。因此，可以識(shí)別語(yǔ)音指令的車(chē)載語(yǔ)音自動(dòng)導(dǎo)航系統(tǒng)的研發(fā)就成為時(shí)代發(fā)展的必然。語(yǔ)料庫(kù)的設(shè)計(jì)原則是語(yǔ)料要具有代表性，加之音頻資源較為占用空間，因此車(chē)載語(yǔ)音語(yǔ)料庫(kù)的語(yǔ)音錄入源均為地理方位名詞和行車(chē)指令等專門(mén)用途詞匯，盡可能減少無(wú)關(guān)信息的錄入。用盡可能少的語(yǔ)音語(yǔ)料覆蓋即盡可能多的語(yǔ)音現(xiàn)象，充分利用語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)。語(yǔ)音語(yǔ)料庫(kù)采用SQL Server 2005數(shù)據(jù)庫(kù)、C/S模式，基本平臺(tái)為.NET。為了兼顧語(yǔ)音指令實(shí)時(shí)聯(lián)網(wǎng)查詢數(shù)據(jù)，語(yǔ)音的錄入和輸出均采用適用DSP芯片的語(yǔ)音壓縮技術(shù)。語(yǔ)音的描述采用三音子模型為基本單位描述連續(xù)語(yǔ)音，這樣可更好的兼容其它語(yǔ)音源。具體的設(shè)計(jì)環(huán)節(jié)包括原始語(yǔ)料的搜集、錄音模塊和數(shù)據(jù)庫(kù)維護(hù)的設(shè)計(jì)、語(yǔ)音語(yǔ)料的標(biāo)注和后期語(yǔ)音壓縮。本套語(yǔ)音語(yǔ)料庫(kù)采用開(kāi)放動(dòng)態(tài)語(yǔ)料庫(kù)的建設(shè)理念，實(shí)時(shí)交互、更新是本套語(yǔ)音語(yǔ)料庫(kù)的核心思路。本套語(yǔ)料庫(kù)系統(tǒng)不僅可以讀取語(yǔ)音語(yǔ)料，還可根據(jù)漢字文本自動(dòng)機(jī)讀語(yǔ)音以及完成用戶語(yǔ)音的更新錄入。因此，本套語(yǔ)料庫(kù)同時(shí)也開(kāi)發(fā)語(yǔ)料庫(kù)前臺(tái)的語(yǔ)音輸入和輸出技術(shù)。

3 語(yǔ)音語(yǔ)料庫(kù)的具體構(gòu)建步驟

語(yǔ)音語(yǔ)料庫(kù)是語(yǔ)音數(shù)據(jù)及其標(biāo)注的集合。漢語(yǔ)語(yǔ)音語(yǔ)料庫(kù)近年來(lái)是我國(guó)語(yǔ)料庫(kù)研究的熱點(diǎn)，大規(guī)模語(yǔ)音語(yǔ)料庫(kù)的一個(gè)直接應(yīng)用是文語(yǔ)轉(zhuǎn)換系統(tǒng)或TTS(Text to Speech), 它是利用計(jì)算機(jī)等平臺(tái)將文本信息轉(zhuǎn)變?yōu)橐纛l數(shù)據(jù)，以語(yǔ)音的方式播放出來(lái)的技術(shù)（章森，2010）。語(yǔ)料搜集范圍如谷歌地圖，凱立德導(dǎo)航地圖和用戶汽車(chē)指令等。首先采用中科院漢語(yǔ)分詞軟件ICTCLAS對(duì)文本進(jìn)行分詞處理；然后采用TTSUU (Text to Speech Universal Utility)將文本內(nèi)容轉(zhuǎn)換為語(yǔ)音文件，所有語(yǔ)音文件都要進(jìn)行人工校驗(yàn)并進(jìn)行壓縮存儲(chǔ)。語(yǔ)音語(yǔ)料庫(kù)要想進(jìn)行檢索和批量分類等操作，需要對(duì)語(yǔ)料庫(kù)進(jìn)行基本的語(yǔ)音標(biāo)注。

圖1：C-ToBI韻律標(biāo)注層級(jí)

圖2：本套語(yǔ)音語(yǔ)料庫(kù)的總體設(shè)計(jì)框架

語(yǔ)音語(yǔ)料庫(kù)的語(yǔ)音標(biāo)注是最重要的核心環(huán)節(jié)，漢語(yǔ)語(yǔ)音語(yǔ)料庫(kù)的標(biāo)注可以采用中國(guó)社會(huì)科學(xué)院研究所的C-ToBI(Tones and Break Indices)韻律標(biāo)注軟件進(jìn)行標(biāo)注。它兼容各種語(yǔ)言理論機(jī)制，機(jī)器可讀性好，有詳細(xì)的標(biāo)注向?qū)АＫm用于朗讀語(yǔ)音語(yǔ)料庫(kù)，較之荷蘭阿姆斯特朗大學(xué)開(kāi)發(fā)的Praat語(yǔ)音標(biāo)注軟件更適合用來(lái)標(biāo)注普通話。它對(duì)普通話的韻律標(biāo)注共分為8層：音段標(biāo)注層、聲韻層、間斷指數(shù)層、重音指數(shù)層、語(yǔ)句功能層、雜類層、話論層和口音層（鄒法欣，2012）（圖1）。其中口音層的設(shè)計(jì)使得這一程序更適合用于讀取和標(biāo)注普通人的話語(yǔ)信息。標(biāo)注完畢后，標(biāo)注文件和語(yǔ)音文件需要進(jìn)行對(duì)齊處理和人工校驗(yàn)來(lái)完成最終環(huán)節(jié)。

語(yǔ)音數(shù)據(jù)的管理采用SQL Server 2005數(shù)據(jù)庫(kù)、C/S模式，基本平臺(tái)為.NET。為了實(shí)現(xiàn)語(yǔ)音數(shù)據(jù)的便捷瀏覽和用語(yǔ)音訪問(wèn)互聯(lián)網(wǎng)，如用手機(jī)訪問(wèn)語(yǔ)音導(dǎo)航網(wǎng)站，可將此語(yǔ)音語(yǔ)料庫(kù)在線化，所有數(shù)據(jù)上傳云端。語(yǔ)音網(wǎng)站設(shè)計(jì)采用JSP和VoiceXML，基本框架為B/S。VoiceXML是建立在XML規(guī)范基礎(chǔ)之上，用于語(yǔ)音瀏覽的標(biāo)記語(yǔ)言，是語(yǔ)音瀏覽技術(shù)和語(yǔ)音互聯(lián)網(wǎng)的核心。VoiceXML與其數(shù)據(jù)集成模型，是本課題設(shè)計(jì)的又一個(gè)核心環(huán)節(jié)。它由語(yǔ)音識(shí)別與合成、語(yǔ)音瀏覽程序和VoiceXML網(wǎng)關(guān)等若干部分組成。為了便于管理，我們?cè)O(shè)計(jì)了結(jié)合語(yǔ)音的圖形用戶界面（GUI/S）,使語(yǔ)音語(yǔ)料庫(kù)的瀏覽和管理更加清晰明了。語(yǔ)音語(yǔ)料庫(kù)的建設(shè)為語(yǔ)音自動(dòng)導(dǎo)航系統(tǒng)的開(kāi)發(fā)提供了必要的參照和技術(shù)支持，同時(shí)將語(yǔ)音語(yǔ)料庫(kù)在線化共享可以減少同行重復(fù)建設(shè)。云端語(yǔ)音語(yǔ)料庫(kù)網(wǎng)站的設(shè)立，可以降低移動(dòng)設(shè)備訪問(wèn)的硬件門(mén)檻。本研究中語(yǔ)音語(yǔ)料庫(kù)的總體設(shè)計(jì)思路、必備條件、采用的計(jì)算機(jī)技術(shù)、項(xiàng)目目標(biāo)和難點(diǎn)思維導(dǎo)圖如下（圖2）。

4 結(jié)語(yǔ)

車(chē)載語(yǔ)音自動(dòng)導(dǎo)航系統(tǒng)的開(kāi)發(fā)涉及GPS定位技術(shù)、電子地圖語(yǔ)音讀取、語(yǔ)音識(shí)別、語(yǔ)音指令處理和語(yǔ)音語(yǔ)料庫(kù)建設(shè)等多項(xiàng)自然語(yǔ)言處理領(lǐng)域核心技術(shù)。語(yǔ)音語(yǔ)料庫(kù)的建立可以為車(chē)載語(yǔ)音自動(dòng)導(dǎo)航系統(tǒng)提供語(yǔ)音支持，可避免同類研究重復(fù)性建設(shè);同時(shí)也為多模態(tài)語(yǔ)料庫(kù)的建設(shè)積累了重要經(jīng)驗(yàn)。但研究中也存在技術(shù)難點(diǎn)和尚需改進(jìn)的地方，如：如何提高語(yǔ)音語(yǔ)料庫(kù)的標(biāo)注規(guī)范和精度，如何將語(yǔ)音語(yǔ)料庫(kù)和其他更多平臺(tái)對(duì)接，如何改善語(yǔ)音讀取的自然度和合成問(wèn)題。總體而言，多模態(tài)語(yǔ)料庫(kù)是時(shí)代發(fā)展的必然產(chǎn)物，其應(yīng)用于語(yǔ)言學(xué)習(xí)和教學(xué)、服務(wù)于人類民生和人工智能領(lǐng)域是大勢(shì)所趨。

[1] 馮志偉. 序言 語(yǔ)料庫(kù)語(yǔ)言學(xué)的進(jìn)展 [Z]. 2009：d9.

[2] 章森，劉磊，刁麓弘. 大規(guī)模語(yǔ)音語(yǔ)料庫(kù)及其在TTS 中應(yīng)用的幾個(gè)問(wèn)題[J]. 計(jì)算機(jī)學(xué)報(bào)，2010(4)：687-696.

[3] 鄒法欣. 語(yǔ)音語(yǔ)料庫(kù)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 桂林：廣西師范大學(xué)，2012