【数据库|语音重建AI「翻译」代言】
「有口难言」的病人 ， 是因脑部疾病、神经损伤而引致构音障碍症（dysarthria） 。 透过AI、语音重建技术和扩展障碍语音数据库 ， 将患者含糊不清的语音重建成正常语音 。
根据美国言语、语言及听力学会（ASHA）解释 ， 构音障碍症是一种神经性语言障碍 。 成人患者常见征状包括说话时在强度、速度、音域、稳定、语调出现异常；在呼吸、发声、共鸣、发音或说话韵律上欠准；面部、口部等构音肌肉功能不理想 ， 或有肌肉痉挛、无力等情况出现 。
语音识别技术（automatic speech recognition ， 简称ASR）及语音合成技术（text-to-speech ， 简称TTS） ， ASR是指透过人工智能 ， 容许机器接受语音输入（speech input） ， 从语音数据库中学习人类语言 ， 再将人们的语音变为文字；而TTS则是透过AI ， 容许机器将人们输入的文字变成语音输出 。
要研究语音技术 ， 就必须使用大数据 。 话语中存有很多变化性（variability）和不变性（invariance） 。 变化性包括不同说话者的各种语调、情感、口音、身体状况等 ， 都会改变话语发出的信号；不变性可以是说话时使用的字眼 。 各种变数的出现 ， 令语音技术研究需用上大数据辨识话语内容 。
花数年扩展广东话数据库然而 ， 现有语音数据库存数据偏颇 ， 因为数据一般来自从事IT行业、常用数码化产品、说当地语言时口音较少的人 ， 多数为成年人士；相反有口音、语言障碍患者、长者、小朋友等就没有足够的语音数据支撑ASR技术 ， 使他们的语音难以被准确辨识 。 另外 ， 现存公开的语音数据库 ， 部分语言缺乏数据 ， 包括广东话 。
透过语音重建技术（speech reconstruction）、ASR、TTS的研究 ， 同时花上数年时间扩展广东话的语音数据库 ， 协助构音障碍症患者与照顾者更好沟通 。 由2013年开始 ， 研究团队与香港中文大学医学院及病友组织合作 ， 邀请数十名不同年龄层的构音障碍症患者 ， 录制他们常用的广东话用语 ， 扩充障碍语音数据 。 录制过程中 ， 患者会读出经研究团队精心设计的广东话句子 ， 尝试用最少的字句包含所有广东话发音 ， 收集研究所需的语音数据 。
以ASR、TTS技术为基础 ， 以及团队开发的语音重建技术 ， 系统接收到患者含糊不清的语音后 ， 利用AI演算法 ， 将含糊不清的语音转化成正常语音 ， 最后以语音转换技术转换成贴近说话人的发音及语调 。
团队期望日后能把此技术制作成应用程式 ， 让更多有需要人士可于不同地方使用 。
相关经验推荐
- 智能语音|智能or智障？横评几家新势力智能语音，谁说语音只是鸡肋！
- 特斯拉|新能源汽车哪家的语音智能最好？特斯拉说：你们玩别带我！
- 数据库|十年磨一剑，从无到有，中国数据库从此站起来了！
- 小米手机|小米手机的系统很不错，比较人性化，语音也很不错
- 语音输入|最新第三方输入法报告 用户追求更个性、更智能的输入体验
- Twitter|微信语音通话能录音吗？可以，给你两个选择
- 华为|Meta尝试利用语音AI技术自动生成虚拟场景｜虚实之间
- 数据库|近半价！293元！罗技G431电竞游戏耳机秒杀 送支架
- 数据库|如今的几万元电脑仍不如10年前顶级电脑性能，这是PC行业的骄傲还是悲哀？
- 半导体|“橙就”只需一点！联想智能语音鼠标上市 多款功能玩转桌面黑科技