語音識別技術(shù)在廣播電視監(jiān)測中的有效應(yīng)用

李雨柯

（作者單位：貴州省廣播電視監(jiān)測中心）

1 語音識別技術(shù)

1.1 語音識別技術(shù)簡述

語音識別技術(shù)可以轉(zhuǎn)換輸入系統(tǒng)中的聲音信號，使其轉(zhuǎn)換為文字形式或預(yù)設(shè)的命令，語音識別技術(shù)使人們不用借助鼠標(biāo)、鍵盤等設(shè)備而通過語音進(jìn)行命令輸出，可以更加便捷高效地開展各項工作。語音識別技術(shù)自20世紀(jì)開始研發(fā)，目前發(fā)展應(yīng)用已經(jīng)非常成熟，再加上計算機(jī)技術(shù)的發(fā)展，語音識別技術(shù)的應(yīng)用更加普及。語音識別技術(shù)中的核心內(nèi)容是針對語音信號利用動態(tài)規(guī)劃技術(shù)和線性預(yù)測分析技術(shù)進(jìn)行模型問題解決。

語音識別技術(shù)的主要識別方法包括4個方面。第一是基于聲學(xué)和語言學(xué)的識別方法，目前這一方法的普及程度仍然有限。第二是隨機(jī)模型法，其相關(guān)技術(shù)的發(fā)展已經(jīng)較為成熟，因而實踐應(yīng)用也比較廣泛。隨機(jī)模型法在語音識別過程中的主要流程包括特征提取、模塊訓(xùn)練和分類、模塊判斷等，涉及矢量量化技術(shù)、動態(tài)時間規(guī)整技術(shù)等。其中，馬爾可夫模型算法具有顯著的優(yōu)質(zhì)性和簡便性，語音識別效果更加理想，在語音識別系統(tǒng)中具有極為廣泛的應(yīng)用。第三是神經(jīng)網(wǎng)絡(luò)識別方法，是一種新興技術(shù)，可以模擬人類神經(jīng)活動，且具有一定的人類特性，包括自動適應(yīng)、自主學(xué)習(xí)等，在映射能力和歸類能力方面具有優(yōu)異的表現(xiàn)。實踐應(yīng)用過程中，通過對傳統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)識別方法的靈活融合，能夠有效彌補(bǔ)兩種方法的不足，令語音識別功能具有更高的效率。第四是概率語音分析識別方法，通過應(yīng)用這一技術(shù)，可以對較長的語音內(nèi)容進(jìn)行識別，具有語言特征區(qū)分能力，也可以對多層次問題加以解決。但是，在運(yùn)用這一識別方法時，必須建立具有有效性和適應(yīng)性的知識系統(tǒng)，如圖1所示。

圖1 語音識別系統(tǒng)整體架構(gòu)

1.2 語音識別程序

第一，語音識別主要包括命令和識別兩種工作模式。根據(jù)工作模式的不同，要使用針對性的程序，進(jìn)而有效實現(xiàn)語音識別功能。命令模式的實現(xiàn)需要程序員先進(jìn)行詞典編寫，然后再編程，還要基于語音詞典進(jìn)行修訂處理。識別模式的原理是在后臺中由引擎系統(tǒng)創(chuàng)造詞庫及識別模塊庫，實踐應(yīng)用過程中不用再對識別語法進(jìn)行任何改動，只要改寫識別引擎的主程序源代碼就能夠?qū)崿F(xiàn)語音識別功能。相較而言，命令模式和識別模式最大的差異在于命令模式中程序員要基于詞典內(nèi)容對代碼進(jìn)行修改核對。第二，設(shè)置語音識別環(huán)境。語音識別程序環(huán)境設(shè)置內(nèi)容具體包括采集并設(shè)定計算機(jī)電信集成（Computer Telecommunication Integration，CTI）服務(wù)器硬件的默認(rèn)參數(shù)、初始化硬件采集卡、設(shè)置引擎端口等內(nèi)容[1]。CTI技術(shù)是識別環(huán)境設(shè)置過程中的核心技術(shù)環(huán)節(jié)，對語音采集系統(tǒng)進(jìn)行初始化操作時，是否有語音錄入系統(tǒng)中可以作為判斷工作是否啟動的重要標(biāo)準(zhǔn)，在對語音內(nèi)容進(jìn)行采集和輸出時，主要是利用語音卡進(jìn)行相關(guān)工作。語音卡的操作使用非常簡便，只需要將其中的板卡打開并將參數(shù)輸入其中，就可以正常運(yùn)行作業(yè)。引擎端口的設(shè)置過程中，因為語音開發(fā)平臺中已經(jīng)設(shè)置有應(yīng)用程序編程接口函數(shù)，因此只要對其進(jìn)行調(diào)用和復(fù)制即可。第三，對語音詞典進(jìn)行編譯，具體內(nèi)容包括語音模板、語音識別規(guī)則、語法等內(nèi)容的制定，實際工作開展中要先設(shè)置語音識別核心包，然后根據(jù)個人編譯語言標(biāo)準(zhǔn)進(jìn)行字典設(shè)置。第四，主程序編制識別。通過編寫主程序交互界面，令使用者和電腦之間能夠?qū)崿F(xiàn)交互操作。

2 語音識別技術(shù)的應(yīng)用類別

2.1 內(nèi)容識別

通過分析語音的生理與物理屬性，語音識別技術(shù)能夠?qū)φZ音內(nèi)容完成判斷識別。但是，由于說話人在表達(dá)習(xí)慣、發(fā)音及方言等方面均具有較大的差異性，內(nèi)容識別的難度較高，為有效克服這一不足，逐漸發(fā)展出了聲紋識別技術(shù)。在應(yīng)用聲紋識別時，需要利用詞語區(qū)分、詞性標(biāo)記及語境理解等，令聲紋和語義模型、語法模型具有較高的相符性，實現(xiàn)對語音內(nèi)容的精準(zhǔn)判斷，處理過程也具有一定的煩瑣性[2]。

2.2 聲紋識別

聲紋識別技術(shù)能夠?qū)φf話人的具體身份進(jìn)行明確判斷，識別過程對語音波形進(jìn)行結(jié)合分析，匹配說話人行為特點(diǎn)和語音狀態(tài)。聲紋識別技術(shù)的應(yīng)用基礎(chǔ)是語音信號，然后根據(jù)每個人發(fā)音的特征對其個性進(jìn)行判斷，并進(jìn)行身份對應(yīng)識別。從生物學(xué)角度來看，聲紋識別和指紋識別具有一定的相通性，均屬于生物因子的認(rèn)證范圍。兩者不同之處在于聲紋識別是基于說話人的特征進(jìn)行準(zhǔn)確判斷，而指紋識別則是基于指紋的獨(dú)特性進(jìn)行身份判斷。

2.3 語種語音識別

語種識別是對語音材料中的語種特征進(jìn)行分析判斷，具體應(yīng)用過程是將電腦中的語音材料提取錄入語種識別系統(tǒng)，然后進(jìn)行識別判斷。智能翻譯技術(shù)和語音內(nèi)容識別技術(shù)是從語種識別技術(shù)發(fā)展而來的，通過對比語音標(biāo)準(zhǔn)模型，就能夠?qū)δ硞€人的語音材料完成語音狀態(tài)分析，并對語音中的不標(biāo)準(zhǔn)發(fā)音進(jìn)行抓取標(biāo)識[3]。

3 語音識別技術(shù)在廣播電視監(jiān)測中的實踐

3.1 實時監(jiān)測多路節(jié)目內(nèi)容

借助電視、手機(jī)等諸多載體，語音識別技術(shù)已經(jīng)在社會生活中實現(xiàn)了非常廣泛的運(yùn)用，例如，使用手機(jī)及內(nèi)部相關(guān)軟件程序，就能夠?qū)φZ音內(nèi)容進(jìn)行識別并轉(zhuǎn)換成文字內(nèi)容，或者對手機(jī)用戶的語音指令進(jìn)行有效執(zhí)行。在多路自動語音識別方面，應(yīng)用監(jiān)測服務(wù)器集群和資源處理技術(shù)就能夠令實時監(jiān)聽多路電視節(jié)目內(nèi)容的能力實現(xiàn)指數(shù)級增長。實時監(jiān)測過程中，各路電視節(jié)目都會轉(zhuǎn)換成相應(yīng)的文本內(nèi)容單獨(dú)輸出。對于當(dāng)下十分火爆的網(wǎng)絡(luò)視聽節(jié)目，相關(guān)部門可以要求其必須在接入語音識別功能后才能入網(wǎng)發(fā)布，在此基礎(chǔ)上，實時向監(jiān)測監(jiān)管機(jī)構(gòu)發(fā)送針對視聽節(jié)目的監(jiān)聽文本內(nèi)容。智能語義分析系統(tǒng)僅需要通過對各路節(jié)目傳輸?shù)奈谋緝?nèi)容做監(jiān)測分析，即可實現(xiàn)預(yù)期監(jiān)控監(jiān)測目標(biāo)。其應(yīng)用優(yōu)勢在于相較視頻流處理分析，不會造成過大的硬件資源壓力，僅需要消耗極少的資源，就能夠?qū)⒕W(wǎng)絡(luò)平臺上的所有視聽節(jié)目資源納入實時監(jiān)控監(jiān)測范圍[4]（見圖2）。

圖2 語音識別分析監(jiān)管流程圖

3.2 實現(xiàn)更高準(zhǔn)確率的語音識別

廣播電視與網(wǎng)絡(luò)視聽節(jié)目大多都是在專業(yè)錄像或錄音間進(jìn)行錄音和配音工作，且均配置有專業(yè)的主持人或主播，其普通話非常標(biāo)準(zhǔn)。語音資源中的環(huán)境噪聲非常小，且說話人的發(fā)音大都非常標(biāo)準(zhǔn)，語音識別系統(tǒng)可以獲取更高質(zhì)量的語音資源。使用專業(yè)設(shè)備就可以將聲音軌道分離，從而令處于監(jiān)控監(jiān)測范圍內(nèi)的電視節(jié)目與網(wǎng)絡(luò)視聽節(jié)目源在語音識別和文字轉(zhuǎn)化方面具有更高的準(zhǔn)確率，使后續(xù)分析工作和監(jiān)測工作的開展更加科學(xué)、可靠[5]。

3.3 實現(xiàn)更加便捷的語種識別

電視節(jié)目中的內(nèi)容非常多樣化，且隨著全球化發(fā)展進(jìn)度的不斷推進(jìn)，電視節(jié)目中經(jīng)常會播放世界各地的音視頻內(nèi)容，其中包含多種類型的語言。針對這一電視節(jié)目的發(fā)展現(xiàn)狀，語音特征值提取與圖像識別很難發(fā)揮應(yīng)有的作用，監(jiān)測監(jiān)管過程中，不管是應(yīng)用監(jiān)測技術(shù)或人工識別，均很難對電視節(jié)目中的有害信息實現(xiàn)高效辨別。但是，通過利用多語言混合識別技術(shù)，在系統(tǒng)中加入其他語種聲學(xué)模型，就可以在監(jiān)測電視節(jié)目時實現(xiàn)有效的文本輸出與語義智能分析，大大降低了廣播電視監(jiān)測工作中的人力投入和成本。

3.4 實現(xiàn)更加高效的違規(guī)信息識別

作為傳播意識形態(tài)的重要載體，相比其他傳播載體，語言占據(jù)著不可撼動的重要地位。在針對視頻內(nèi)容或圖片內(nèi)容進(jìn)行監(jiān)測分析時，語音識別和畫面監(jiān)測技術(shù)的單獨(dú)應(yīng)用，在識別違規(guī)違法事件及輿論導(dǎo)向方面仍具有較為明顯的局限性。但是，通過應(yīng)用智能文本語義分析技術(shù)，能夠開展同形、同音及同義等多方面變形分析，并自動檢索網(wǎng)絡(luò)新詞，識別新興網(wǎng)絡(luò)用語，對各類潛在危險信息和變形信息進(jìn)行有效識別與預(yù)警。智能文本語義分析系統(tǒng)通過對神經(jīng)網(wǎng)絡(luò)算法的運(yùn)用，持續(xù)性進(jìn)行違規(guī)案例學(xué)習(xí)訓(xùn)練，不斷更新案例資源庫，計算機(jī)系統(tǒng)在理解越來越多樣化的語言表述形式方面的能力也在持續(xù)提高，能夠?qū)ξ谋拘畔⒅械闹饕枷雰?nèi)容與內(nèi)在邏輯進(jìn)行精準(zhǔn)分析，從而更加高效精確地對違規(guī)信息進(jìn)行識別。

4 語音識別技術(shù)應(yīng)用實例

首先是信號解調(diào)設(shè)備，主要由調(diào)幅廣播解調(diào)器、調(diào)頻廣播解調(diào)器及有線電視解調(diào)器構(gòu)成。對檢測信號源中的特定頻率調(diào)幅或調(diào)頻廣播信號進(jìn)行解調(diào)，使其轉(zhuǎn)變?yōu)槠胀ㄒ纛l的信號，并傳輸?shù)叫盘柺占局羞M(jìn)行音頻錄音。其次是信號預(yù)處理設(shè)備，為進(jìn)一步提高信號判斷水平，采用信號預(yù)處理設(shè)備分析音頻信號，基于分析結(jié)果，利用信號處理器進(jìn)行音頻信號的失真修正、噪聲消除等處理，使其成為可用于后續(xù)環(huán)節(jié)的信號源文件。再次是多路信號收集站。針對特定頻道傳輸而來的視頻信號，有線電視解調(diào)器能夠?qū)⑵渲械陌橐艉鸵曨l解調(diào)為模擬音頻與視頻信號，然后將其傳輸?shù)叫盘柺占局羞M(jìn)行統(tǒng)一記錄。一方面，根據(jù)檢測頻道的具體數(shù)量，可以靈活調(diào)整有線電視解調(diào)器的數(shù)量，另一方面，信號收集站可以同時進(jìn)行廣播音頻和電視信號的接收，并對信號進(jìn)行搜集、壓縮和儲存。信號搜集站主要分為電視信號搜集站和廣播信號搜集站兩種。以廣播信號搜集站為例，可以同時采錄多路廣播信號，各路信號音量光柱也可以實時呈現(xiàn)在采錄頁面上，工作人員還可以根據(jù)各路信號的具體情況，使用軟調(diào)音臺對信號大小進(jìn)行控制。廣播信號搜集站中裝有監(jiān)聽按鈕，可以對各路輸入信號進(jìn)行實時監(jiān)控。廣播信號收集站能夠?qū)Λ@取的廣播音頻信號進(jìn)行實時壓縮和實時監(jiān)聽，一旦出現(xiàn)信號異常問題，系統(tǒng)就會自動報警，避免發(fā)生錄音內(nèi)容丟失等問題。最后是視頻信號采集站。電視信號收集站可以采錄8路電視內(nèi)容信號，而視頻信號采集站可以實時復(fù)合電視節(jié)目音頻信號碼流，使用動態(tài)圖像壓縮算法國際標(biāo)準(zhǔn)壓縮格式進(jìn)行采錄。根據(jù)不同頻道節(jié)目的播出時間，可以獨(dú)立設(shè)計其采錄的時間。

5 結(jié)語

語音識別技術(shù)在各行業(yè)中的應(yīng)用范圍日益擴(kuò)大，且識別準(zhǔn)確性也顯著提高，隨著廣播電視監(jiān)管行業(yè)要求日益嚴(yán)格，內(nèi)容監(jiān)管中語音識別技術(shù)的應(yīng)用有利于節(jié)目搜索速度的大大提升，減輕相關(guān)人員工作壓力。在不斷深入有效應(yīng)用語音識別技術(shù)的過程中，要加強(qiáng)校正工作，避免出現(xiàn)偏差問題，從而令廣播電視監(jiān)控監(jiān)測工作切實發(fā)揮預(yù)期作用。