新技術(shù)正在快速推動(dòng)語音生成設(shè)備的進(jìn)步

語言是我們?nèi)粘＝涣鞯闹饕绞?，可以讓我們快速了解對方的意圖，并做出適當(dāng)?shù)姆磻?yīng)。但對很多語言障礙者而言，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(fù)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(gè)詞或句子，在不同的場合、不同的音量和速度，所表達(dá)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(zhǔn)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(shí)，跟玩偶的對話。

語言環(huán)境是如此的復(fù)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(dá)自己的意圖？

自20世紀(jì)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(shè)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(yán)重身體殘疾的人設(shè)計(jì)的個(gè)人通信工具POSSUM，這是一臺(tái)帶開關(guān)控制掃描裝置的打字機(jī)。

自此，隨著語音合成算法的進(jìn)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(shè)備也變得越來越小巧，功能也越來越強(qiáng)大。

目前，電子輔助和替代通信系統(tǒng)（AAC）、語音生成設(shè)備（SGDs）、語音輸出通信輔助設(shè)備（VOCA）已經(jīng)在美國幫助了200多萬人。患有肌萎縮性側(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(fēng)、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(shè)備。著名物理學(xué)家史蒂芬·霍金就使用語音生成裝置與他人進(jìn)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(shè)備功能的指數(shù)級(jí)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(shè)備市場規(guī)模為1.9億美元，預(yù)計(jì)到2025年將達(dá)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(yīng)用APP、語音生成設(shè)備和腦機(jī)接口技術(shù)幫助語言障礙者能夠更有效地與他人進(jìn)行交流。

1）輔助應(yīng)用APP

智能手機(jī)、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(dòng)圖片或符號(hào)來表達(dá)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(yīng)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(dòng)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(shí)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(yīng)用程序，幫助肌萎縮性側(cè)索硬化（ALS）患者用眼球運(yùn)動(dòng)進(jìn)行溝通。該應(yīng)用通過手機(jī)攝像頭跟蹤患者的眼睛運(yùn)動(dòng)，并用AI進(jìn)行字詞預(yù)測。

2）語音生成設(shè)備

機(jī)器學(xué)習(xí)、自然語言處理和文本預(yù)測技術(shù)極大地推動(dòng)輔助通信技術(shù)的發(fā)展，語音合成應(yīng)用可以為用戶提供定制化、個(gè)性化的服務(wù)。

語音生成設(shè)備可以將單詞或圖片轉(zhuǎn)化成語音，比輔助應(yīng)用APP更加先進(jìn)。某些產(chǎn)品允許用戶可以從幾種不同的聲音中進(jìn)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(yùn)動(dòng)或頭部運(yùn)動(dòng)來進(jìn)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(shè)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(gè)易操作的按鈕生成25條語音消息，每條語音可以長達(dá)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(yùn)動(dòng)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(fēng)、多發(fā)性硬化癥、運(yùn)動(dòng)神經(jīng)元疾病患者及其它語言障礙患者進(jìn)行交流。

還有很多新興科技公司正在利用機(jī)器人技術(shù)提升患者的社交能力。盧森堡機(jī)器人公司LuxAI推出適用于自閉癥兒童的社交機(jī)器人QTrobot，實(shí)驗(yàn)證明，該機(jī)器人可以明顯增加自閉癥兒童的注意力和參與度，同時(shí)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(gè)性化的合成語音。目前已有110多個(gè)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(luò)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(shí)的人類語音對音頻波形進(jìn)行建模分析，從中學(xué)習(xí)并創(chuàng)建自己的聲音。

3）代表未來的腦機(jī)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(jī)接口技術(shù)將之變成現(xiàn)實(shí)。

早在1998年，英國雷丁大學(xué)的研究員Kevin Warwick博士在自己的手臂上植入一個(gè)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(yuǎn)程機(jī)器人手臂模仿他的手臂動(dòng)作。

Warwick博士的目標(biāo)是幫助語言障礙患者進(jìn)行溝通，他將一個(gè)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(gè)腦—腦電子通信。

2012年，美國因中風(fēng)而癱瘓的患者Cathy Hutchinson利用腦植入芯片成功的用思維控制機(jī)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(xué)、Starlab公司和哈佛醫(yī)學(xué)院一起進(jìn)行第一次腦對腦的溝通，在5000公里外，實(shí)現(xiàn)了直接在兩個(gè)人的大腦之間進(jìn)行溝通。

2016年埃隆·馬斯克成立了Neuralink公司進(jìn)行腦機(jī)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(xué)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(dú)立行動(dòng)。

2018年6月，美國麻省理工學(xué)院下屬計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)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(jī)器執(zhí)行任務(wù)。

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(shí)驗(yàn)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(gè)春天。

語音2.0：語音界面技術(shù)和實(shí)時(shí)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(gè)層次，它不僅僅是幫助語言障礙患者進(jìn)行無障礙交流；還會(huì)在人與人或人與機(jī)器之間進(jìn)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(shí)時(shí)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(lán)牙耳機(jī)，使用Pixel智能手機(jī)即可在40種不同語言之間進(jìn)行即時(shí)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(shí)現(xiàn)八種語言之間的實(shí)時(shí)翻譯

各種便攜式翻譯設(shè)備可以幫助游客在幾秒鐘內(nèi)進(jìn)行語言翻譯。未來，小小的耳機(jī)設(shè)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(xué)開發(fā)了一款可穿戴設(shè)備，通過感知用戶的手臂動(dòng)作，將手語翻譯成英語。該設(shè)備可以識(shí)別出大約40個(gè)美國標(biāo)準(zhǔn)手語動(dòng)作，準(zhǔn)確率達(dá)到了96%。

利益于人工智能技術(shù)的飛速發(fā)展，機(jī)器不僅僅是充當(dāng)翻譯人員，還可以成為溝通伙伴。據(jù)Gartner預(yù)測，到今年年底，我們與新技術(shù)的互動(dòng)中有30%將通過與智能機(jī)器完成。目前每六個(gè)美國成年人中，就有一個(gè)擁有智能音箱或相關(guān)設(shè)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(shí)現(xiàn)更多的功能。

無論是在醫(yī)療、旅游、還是商業(yè)活動(dòng)，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(jī)器、可以是動(dòng)物。

這一切都是科技帶來的福利。