基于語音識別技術的維蒙藏語音產品開發及應用

馬仕瑛

摘? 要： 為使更多人了解使用少數民族語音產品，有效解決我國少數民族地區與其他區域之間的語言障礙問題，促進民族間的相互交流。通過搜集資料，以國內基于語音識別技術的維吾爾語、蒙古語、藏語的語音產品為研究對象，梳理其開發和應用情況，發現目前開發的相關產品主要集中于語音輸入法、語音翻譯軟件和轉錄產品三方面，在此基礎上，對產品使用產生的影響進行分析，并對相關語音產品的發展前景進行展望。

關鍵詞： 語音識別; 少數民族語音產品; 語音輸入法; 語音翻譯軟件; 轉錄產品

Abstract： In order to make more people understand and use minority speech products， effectively solve the problem of language barrier between minority areas and other regions in China， and promote the mutual communication between ethnic groups， taking the domestic speech recognition technology based Uygur， Mongolian and Tibetan speech products as the research object， through the collection of data， combing their development and application， finds out that the current development products mainly focus on three aspects： speech input method， speech translation software and transcription. According to the research， the impact of the use of products is analyzed， and the development of related speech products is prospected.

0 引言

基于智能語音及語言的人機交互技術涵蓋了寬廣的研究領域。其中語音識別、語音合成和自然語言理解在智能語音及語言交互技術中處于最為關鍵的核心位置。語音識別所要解決的問題就是讓計算機能“聽懂”人類的語音，并在各種情況下準確地將語音中所包含的文字“信息”提取出來，該技術在“能聽會說”的計算機系統中扮演著重要角色。這等于給計算機系統賦予了聽覺能力，不僅使其“能聽”，還能“聽懂”，進而實現信息時代利用“語音”這一最自然、最便捷的途徑進行人機交互[1]。

我國是一個多民族國家，很多少數民族地區的居民仍不會說國家通用語和漢語方言，這使其無法在除本村鎮以外的場合進行有效地交流及溝通，嚴重制約其辦事效率。

開發研制基于語音識別技術的少數民族語音產品，目的是幫助這些不懂漢語的少數民族在不熟悉的環境里有效交流，從而解決這些民族地區的語言障礙問題，在此基礎上，推動民族地區經濟、文化等領域的發展，促進各民族團結、融合。由于維吾爾語、蒙古語和藏語等為重要的中國少數民族語種，發展歷史相對較長，與其他民族相比，其語音識別技術研究較豐富，所以開發語言產品是有基礎的。

本文梳理和歸納了基于語音識別技術的維吾爾語、蒙古語、藏語的語音產品開發和應用情況，在此基礎上分析這些語音產品開發及其使用所產生的影響。

1 基于語音識別的維蒙藏語音產品開發及應用現狀

近年來基于語音識別技術的維蒙藏語音產品不斷增多，給人們的生活帶來了便利。現根據研發單位的不同，對這些語音產品的基本功能作簡要介紹。

1.1 中國民族語文翻譯局

中國民族語文翻譯局[2]基于基礎語料采集工作，將智能翻譯系統與民族文語音識別系統相結合，相繼研發多款語音軟件。

維吾爾文語音輸入法，功能包括漢語和維吾爾語的文字手寫輸入和語音識別輸入。

維漢智能語音翻譯軟件，實現了維吾爾語和漢語的語音輸入、語音朗讀功能和維吾爾語與漢語之間的互譯功能。

語音轉寫通，采用清華靈云識別技術，可實時、不間斷地把整句語音進行識別，然后轉成維吾爾文、蒙古文、藏文和漢字。

民漢對話通，基于語音識別技術，支持漢字、維吾爾文、蒙古文、藏文的語音錄入，并且可以進行朗讀。

維漢智能機器人，是一套支持維漢雙語的智能人機交互的機器人設備，其根植入的維漢語言智能語音識別技術、自然語言理解技術和智能機器翻譯技術，實現了少數民族辦事大廳的引導，智能問答，自助業務辦理等智能查詢功能。

1.2 捷通華聲

捷通華聲作為中國最早從事人工智能技術研究與應用的企業之一，其始終重視少數民族語言的智能語音技術研究。

早在2005年，國內首款靈云維漢友誼橋應用軟件[3]公測版已經推出。該款軟件在維吾爾語、漢語雙語翻譯技術的基礎上，采用語音識別和合成技術，使用者所說的話通過識別轉成文字，而后再轉化為另外一種語言，并由軟件進行朗讀。

隨著技術不斷成熟，2018年，靈云智會、智錄、智聲三款智能語音轉錄產品[4]推出，分別服務于多人會議、一對一談話、單人錄入等場景，三款產品均支持維吾爾語、蒙古語、藏語的語音識別。其中，“靈云智會”是“為多人會話推出的智能語音轉寫軟件，可分角色實時將發言轉為文字”，值得注意的是，其專門面向政法領域會議、庭審、審訊等場景推出了語音轉寫方案，語音識別準確率高達98%。“靈云智錄”應用于一對一談話的識別。例如公安訊問、檢察談話等場景，把對話內容實時分角色記錄，擁有較快的轉寫速度和較高的準確率。“靈云智聲”是一款智能語音輸入法，其提供政務、醫療領域專用語音識別模型，應用在政務會議材料整理、醫療電子病歷錄入等場景;而且其在語音識別有自己的云端，無需連接互聯網，滿足軍政機關保密要求等。

1.3 科大訊飛

2016年，西藏大學·訊飛語音及語言聯合實驗室發布訊飛藏語識別、合成和翻譯系統[5]。其中，三位一體藏語輸入法、漢藏互譯通兩產品均涉及藏語語音識別技術。“三位一體藏語輸入法”是全球首款基于蜂巢輸入模型的全能藏語輸入軟件，集成了聯合實驗室獨家研發的藏語語音識別技術和藏語手寫識別技術成果;“漢藏互譯通”軟件集豐富的情景例句、實時語音識別翻譯功能于一體，提供漢藏翻譯。

1.4 騰訊公司

騰訊公司開發了“騰訊民漢翻譯”小程序[6]，目前已支持維語、藏語（衛藏藏語、安多藏語、康巴藏語）與中文的互譯。團隊多年對民族語音、語言、圖像、文本進行了大量標注，使得該小程序相較于同行業其他產品，在功能上實現了“實時語音識別+標點斷句+翻譯+語音合成”的首創。

1.5 相關學科研究者

開發手機語音助手。迪麗尼格爾·熱夏提[7]實現了基于Android系統的維吾爾語語音助理應用軟件，該軟件實現的功能有打電話、發短信、打開應用程序、音樂搜索等八大功能。之后，米爾阿迪力江·麥麥提、吾守爾·斯拉木等人[8]用同樣的方法開發出維吾爾語手機語音控制軟件，實現了打電話、發短信、打開應用、新聞、天氣查詢等十大功能。

開發在線教育網站。趙睿[9]開發出藏語連續語音識別系統，將該系統應用到遠程教育中的藏族中小學語文教學視頻中，首先識別出音頻文件中的藏語，然后和視頻文件整合，形成具有字幕的教學視頻。李要嬙[10]搭建了藏語在線教育視頻語音內容識別系統，實現藏語實時采音和語音識別，最終把識別結果通過藏文文字形式顯示在視頻下方，形成帶有字幕的教學視頻。

開發智能家居領域。吾提庫爾·艾爾肯[11]將維吾爾語語音識別技術應用到智能家居領域中，實現通過開關與遙控這兩類電器設備的控制，如：電視，熱水器等。

2 基于語音識別技術的少數民族語音產品影響

進入21世紀，在國家政策的扶持下，在專家學者和相關科技公司的努力下，眾多基于語音識別技術的少數民族語音產品投入實際應用，給國家、社會以及個人都帶來了積極影響。

2.1 國家層面

對外能夠推動國家友好交流與合作。許多少數民族語言與周邊國家的官方語言實屬同一種語言，通過對這些少數民族語言進行語音識別，可以有效促進交流，從而加強與沿線國家的交往與合作。

對內有助于了解少數民族群眾較關注的話題，掌握社會輿情變化。通過使用少數民族語音識別系統，政府機構可以對使用者的關注話題和情緒變化有一定的掌握，了解民情民意，從而為政府政策的制定和調整提供參考依據，從而順利推行國家政策。

2.2 社會層面

有效促進民族之間經濟交流、文化傳播和傳承。隨著語音識別技術的應用，能夠幫助少數民族同胞與漢族民眾進行有效地交流溝通，從而極大地方便民族間的商務、文化交流，推動少數民族地區經濟發展，也有利于少數民族文化傳播。

有助于保護瀕危民族語言與文化。語音識別技術的發展基礎之一就是需要建立語音識別資料庫，只有收集了大量的語音語料，才能夠開展后續的建模和構建識別系統的工作。大量的語音語料的收集則對于保護、發展少數民族語言和文化有至關重要的作用。

促進少數民族地區的教育發展。一些研究者經過實證研究，發現語音識別系統能將視頻中的音頻信息轉換為相對應的少數民族文字，為學習者提供輔助學習功能，促進優質教育教學資源在少數民族地區傳播，推動教育信息化進程，從而縮小與發達地區的教育差距，有效提高少數民族地區綜合競爭力[9-10]。

2.3 個人層面

提高相關單位工作人員的效率，方便辦事群眾的生活。通過語音識別進行輸入和翻譯，可以解放工作人員的雙手，提高工作效率，也能幫助工作人員和少數民族群眾提高溝通效率，從而減少群眾的等待時間。

為不懂國家通用語言文字的少數民族殘障人士提供便利。通過字幕形式實時展現對話，方便了聽力障礙人士;通過語音輸入，不需要打字便可以錄入文字，也方便了手腳不便的殘障人士。

3 基于語音識別技術的少數民族語音產品發展前景

維吾爾語語音識別的研究工作開始于20世紀90年代初，蒙古語和藏語的相關研究工作開始于21世紀初，隨著語音識別技術的不斷發展，相關語音產品的數量不斷增多，在教育、醫療、司法等方面發揮著重要作用。但是目前產品的開發方向主要集中于語音輸入法、語音翻譯軟件和轉錄產品，種類仍較為單一，受眾多為政府、公安和法律等部門的人員，且產品推廣力度不夠，因此使用人數較少，受眾范圍較窄。

未來，少數民族的語音識別技術和相關產品開發定是熱門的研究領域，有較好的發展前景。首先，通過在真實場景中應用語音產品，研究者得到的真實數據會越來越多，語音識別會更加準確，能更好地把握用戶的需求;其次，隨著更多少數民族學者投入研究，支持彝語、壯語等少數民族語的語音產品也會推出;最后，新的語音產品研發將會從群眾需求出發，例如：智能家居的控制、車載語音系統的開發、公安消防報警系統的改良等，以提高其受教育的質量、更好地保障其人身財產安全等為目的，有效擴大受眾范圍，增強少數民族群眾的幸福感，從而促進社會的和諧與進步。

參考文獻（References）：

[1] 李鵬飛.基于深度學習的維語語音識別研究[D].安徽大學，2016.

[2] 佚名.民族語文信息化成果[EB/OL].中國民族語文翻譯局網，http：//www.mzfy.org.cn/information/i=15&comContentId=15.html，2019-07-26.

[3] 佚名. 維漢語音轉寫通官方介紹[EB/OL]. PC下載網， https：//www.pcsoft.com.cn/soft/163351.html，2019-08-15.

[4] 佚名. 捷通華聲靈云智會、智錄：性價比更高的智能語音轉錄方案[EB/OL].國脈電子政務網， http：//www.echinagov.com/keji/250594.html，2019-08-15.

[5] 佚名. 西藏大學·訊飛語音及語言聯合實驗室發布系列技術成果[EB/OL].西藏自治區人民政府網， http：//xizang.gov.cn/xwzx/qnyw/201611/t20161108_93128.html，2019-08-18.

[6] 佚名. 騰訊民漢翻譯踐行“科技向善”[EB/OL]. 騰訊云網，https：//cloud.tencent.com/developer/article/1454493，2019-08-16.

[7] 迪麗尼格爾·熱夏提.基于Android的維吾爾語語音助理應用軟件的研發[D].新疆大學，2014.

[8] 米爾阿迪力江·麥麥提，吾守爾·斯拉木，努爾麥麥提·尤魯瓦斯，熱依曼·吐爾遜，艾尼宛爾·托乎提.基于智能手機的維吾爾語語音控制系統的開發[J].計算機應用與軟件，2016.33（6）：220-223，305

[9] 趙睿.藏語語音識別在遠程教育中的應用[D].中央民族大學，2017.

[10] 李要嬙.基于主動學習的藏語語音識別在在線教育中的應用[D].中央民族大學，2018.

[11] 吾提庫爾·艾爾肯.維吾爾語語音識別技術在智能家居中的研究與應用[D].新疆大學，2017.

[12] 張建華.基于深度學習的語音識別應用研究[D].北京郵電大學，2015.

[13] 孫杰，吾守爾·斯拉木，熱依曼·吐爾遜.基于CMN網絡的低資源柯爾克孜語識別研究[J].現代電子技術，2018.41（24）：132-136，140