新技術(shù)正在快速推動語音生成設備的進步

語言是我們?nèi)粘＝涣鞯闹饕绞剑梢宰屛覀兛焖倭私鈱Ψ降囊鈭D，并做出適當?shù)姆磻５珜芏嗾Z言障礙者而言，說話這一看似簡單的行為依舊是難以想象的困難。

語言是件極其復雜的事情，不僅僅是文字表面上的發(fā)音，還與音量、音調(diào)、速度、說話環(huán)境等眾多因素密切相關(guān)。

同一個詞或句子，在不同的場合、不同的音量和速度，所表達的意義也是不同的。比如“你吃了么？”，可以是兩人見面的問候語；也可以是我正準備去吃飯，如果你沒吃，我們可以結(jié)伴去吃飯；還可以是戀人間的關(guān)懷；甚至可以是小孩子玩游戲時，跟玩偶的對話。

語言環(huán)境是如此的復雜，而對于那些因受傷或生病而無法說話的人，我們怎樣才能更好的理解他們的想法？他們又如何能更快更有效的表達自己的意圖？

自20世紀60年代以來，一些語音技術(shù)的先行者就致力于研發(fā)語音生成設備（SGDs）來幫助語言障礙者。

1963年，英國人Maling和Clarkson開發(fā)了專為嚴重身體殘疾的人設計的個人通信工具POSSUM，這是一臺帶開關(guān)控制掃描裝置的打字機。

自此，隨著語音合成算法的進步及微處理器技術(shù)的發(fā)展，電子輔助和替代通信系統(tǒng)（AAC）得以快速普及。通信輔助設備也變得越來越小巧，功能也越來越強大。

目前，電子輔助和替代通信系統(tǒng)（AAC）、語音生成設備（SGDs）、語音輸出通信輔助設備（VOCA）已經(jīng)在美國幫助了200多萬人?；加屑∥s性側(cè)索硬化癥（ALS）、腦癱、閉鎖綜合征、多發(fā)性硬化癥、帕金森、腦中風、創(chuàng)傷性腦損傷等交流障礙或殘疾人都可以使用這類語音生成設備。著名物理學家史蒂芬·霍金就使用語音生成裝置與他人進行交流。

在過去幾年中，隨著人工智能技術(shù)與語音技術(shù)的突破，以及數(shù)字設備功能的指數(shù)級增長，數(shù)字化語音正在改變?nèi)藗兊慕涣鞣绞?，特別是翻譯和醫(yī)療等領(lǐng)域。

據(jù)相關(guān)數(shù)據(jù)顯示， 2017年，語音生成設備市場規(guī)模為1.9億美元，預計到2025年將達到3.3億美元。

各科技創(chuàng)新公司和谷歌、微軟等科技巨頭都在努力通過輔助應用APP、語音生成設備和腦機接口技術(shù)幫助語言障礙者能夠更有效地與他人進行交流。

1）輔助應用APP

智能手機、平板電腦和數(shù)字觸摸屏為患者提供更加直接的交流方式。如自閉癥患者可以通過觸摸屏上的物品圖像、活動圖片或符號來表達他們的需求。

Proloquo2Go就是這樣一款面向語言障礙患者的輔助交流工具，適用于自閉癥、唐氏綜合癥、腦癱和其他診斷患者，目前已有20多萬用戶。

此外，還有很多APP可以幫助用戶“說話”，如SayIt！和Predictable這兩款文字處理應用，可以將用戶輸入的文字內(nèi)容轉(zhuǎn)化成語音，并具有智能聯(lián)想和自動更正單詞的功能。

MyTalkTools Mobile是由一位父親開發(fā)的，以幫助他兒子克服通信困難，他的兒子出生時患有Nager綜合癥，這是一種影響聽力、言語和其他能力的罕見疾病。目前該軟件已擁有超過10萬名用戶。

2017年初，微軟推出了GazeSpeak應用程序，幫助肌萎縮性側(cè)索硬化（ALS）患者用眼球運動進行溝通。該應用通過手機攝像頭跟蹤患者的眼睛運動，并用AI進行字詞預測。

2）語音生成設備

機器學習、自然語言處理和文本預測技術(shù)極大地推動輔助通信技術(shù)的發(fā)展，語音合成應用可以為用戶提供定制化、個性化的服務。

語音生成設備可以將單詞或圖片轉(zhuǎn)化成語音，比輔助應用APP更加先進。某些產(chǎn)品允許用戶可以從幾種不同的聲音中進行選擇，例如男性或女性，兒童或成人，甚至可以選擇一些地域口音。某些算法模型可以追蹤患者眼睛運動或頭部運動來進行詞匯選擇，并合成語音。

Pocket Go Talk是一款可穿戴的小型便攜式AAC設備，也可以在桌面使用，具有五種可調(diào)節(jié)的掃描速度。通過5個易操作的按鈕生成25條語音消息，每條語音可以長達12秒。

便攜式輔助書寫平板MegaBee是在英國斯托克曼德維爾醫(yī)院的閉鎖綜合征患者的幫助下研發(fā)出來的。通過眼球運動和閃爍作為選擇字母或短語的方法，然后在屏幕上顯示，從而幫助中風、多發(fā)性硬化癥、運動神經(jīng)元疾病患者及其它語言障礙患者進行交流。

還有很多新興科技公司正在利用機器人技術(shù)提升患者的社交能力。盧森堡機器人公司LuxAI推出適用于自閉癥兒童的社交機器人QTrobot，實驗證明，該機器人可以明顯增加自閉癥兒童的注意力和參與度，同時減少他們的焦慮和破壞行為。

美國波士頓公司VocalID利用眾包和語音混合技術(shù)為語言障礙患者提供個性化的合成語音。目前已有110多個國家的超過14000人為公司的語音庫The Human Voicebank提供了600多萬句話。

2017年，谷歌宣布神經(jīng)網(wǎng)絡模型WaveNet正式商用于Google Assistant中，比初始模型效率提高了1000倍，可以更好地模擬自然語音。該模型可以根據(jù)真實的人類語音對音頻波形進行建模分析，從中學習并創(chuàng)建自己的聲音。

3）代表未來的腦機接口

意念交流是很多科幻小說和電影里的場景，而現(xiàn)在科研人員正在通過腦機接口技術(shù)將之變成現(xiàn)實。

早在1998年，英國雷丁大學的研究員Kevin Warwick博士在自己的手臂上植入一個發(fā)射器來控制門和其它裝置。2002年，他將電極接入自己的神經(jīng)系統(tǒng)，以便用思維控制輪椅，并允許遠程機器人手臂模仿他的手臂動作。

Warwick博士的目標是幫助語言障礙患者進行溝通，他將一個芯片植入他妻子的手臂，通過互聯(lián)網(wǎng)將兩人的大腦聯(lián)系在一起，創(chuàng)造了世界上第一個腦—腦電子通信。

2012年，美國因中風而癱瘓的患者Cathy Hutchinson利用腦植入芯片成功的用思維控制機器手臂端起一杯咖啡，并和吸管中喝了一口。

2014年初，法國公司Axilum Robotics與西班牙巴塞羅那大學、Starlab公司和哈佛醫(yī)學院一起進行第一次腦對腦的溝通，在5000公里外，實現(xiàn)了直接在兩個人的大腦之間進行溝通。

2016年埃隆·馬斯克成立了Neuralink公司進行腦機接口研究，以幫助治療人類的腦部疾病。

2018年5月，俄羅斯新西伯利亞國立技術(shù)大學聲稱研制出了一款用意念控制的越野輪椅。頸部以下癱瘓者可乘坐該輪椅在室內(nèi)甚至城市街道上獨立行動。

2018年6月，美國麻省理工學院下屬計算機科學與人工智能實驗室(CSAIL)的研究人員開發(fā)了一種新界面系統(tǒng)，它可以讀取人類操作人員的腦電波，通過思維命令機器執(zhí)行任務。

目前腦控科技已經(jīng)成為各國科研人員競相研究的前沿課題。盡管大多數(shù)研究目前還停留在實驗室階段，一旦該技術(shù)成功商業(yè)化，癱瘓者、語言障礙者、盲人等群體將迎來生命中的第二個春天。

語音2.0：語音界面技術(shù)和實時翻譯

未來，科技創(chuàng)新將使人類的交流與溝通提升到另外一個層次，它不僅僅是幫助語言障礙患者進行無障礙交流；還會在人與人或人與機器之間進行信息交換。

由于人類語言的多樣化，限制了人與人之間的溝通，特別是跨國別和跨語種的交流。近幾年，隨著實時翻譯技術(shù)的成熟，語言鴻溝正被慢慢地消除。

2017年10月，谷歌推出Pixel Buds藍牙耳機，使用Pixel智能手機即可在40種不同語言之間進行即時翻譯。

微軟的Skype Translator可以對語音、視頻及50種語言的文本內(nèi)容實現(xiàn)八種語言之間的實時翻譯

各種便攜式翻譯設備可以幫助游客在幾秒鐘內(nèi)進行語言翻譯。未來，小小的耳機設備將打破出行的語言限制，而傳統(tǒng)的翻譯這一職業(yè)也將被新技術(shù)所替代。

在語言的新技術(shù)革命中，手語也正在被技術(shù)所替代。2015年，美國德克薩斯A&M大學開發(fā)了一款可穿戴設備，通過感知用戶的手臂動作，將手語翻譯成英語。該設備可以識別出大約40個美國標準手語動作，準確率達到了96%。

利益于人工智能技術(shù)的飛速發(fā)展，機器不僅僅是充當翻譯人員，還可以成為溝通伙伴。據(jù)Gartner預測，到今年年底，我們與新技術(shù)的互動中有30%將通過與智能機器完成。目前每六個美國成年人中，就有一個擁有智能音箱或相關(guān)設備。除了控制智能家居外，亞馬遜的AI助手Alexa已經(jīng)可以幫助用戶在線購物。未來AI助手將能實現(xiàn)更多的功能。

無論是在醫(yī)療、旅游、還是商業(yè)活動，以人工智能為代表的新技術(shù)正在徹底改變?nèi)伺c人之間的交流方式，并將打破身體、地域、國別、語種的各種限制。未來，我們的交流對象也將不再局限在人類，可以是機器、可以是動物。

這一切都是科技帶來的福利。