1. 首頁 > 科技 > >

數據庫|語音重建AI「翻譯」代言

翻譯廣東省數據庫

【數據庫|語音重建AI「翻譯」代言】數據庫|語音重建AI「翻譯」代言


「有口難言」的病人 ， 是因腦部疾病、神經損傷而引致構音障礙癥（dysarthria） 。 透過AI、語音重建技術和擴展障礙語音數據庫 ， 將患者含糊不清的語音重建成正常語音 。
根據美國言語、語言及聽力學會（ASHA）解釋 ， 構音障礙癥是一種神經性語言障礙 。 成人患者常見征狀包括說話時在強度、速度、音域、穩定、語調出現異常；在呼吸、發聲、共鳴、發音或說話韻律上欠準；面部、口部等構音肌肉功能不理想 ， 或有肌肉痙攣、無力等情況出現 。
語音識別技術（automatic speech recognition ， 簡稱ASR）及語音合成技術（text-to-speech ， 簡稱TTS） ， ASR是指透過人工智能 ， 容許機器接受語音輸入（speech input） ， 從語音數據庫中學習人類語言 ， 再將人們的語音變為文字；而TTS則是透過AI ， 容許機器將人們輸入的文字變成語音輸出 。
要研究語音技術 ， 就必須使用大數據 。 話語中存有很多變化性（variability）和不變性（invariance） 。 變化性包括不同說話者的各種語調、情感、口音、身體狀況等 ， 都會改變話語發出的信號；不變性可以是說話時使用的字眼 。 各種變數的出現 ， 令語音技術研究需用上大數據辨識話語內容 。
花數年擴展廣東話數據庫然而 ， 現有語音數據庫存數據偏頗 ， 因為數據一般來自從事IT行業、常用數碼化產品、說當地語言時口音較少的人 ， 多數為成年人士；相反有口音、語言障礙患者、長者、小朋友等就沒有足夠的語音數據支撐ASR技術 ， 使他們的語音難以被準確辨識 。 另外 ， 現存公開的語音數據庫 ， 部分語言缺乏數據 ， 包括廣東話 。
透過語音重建技術（speech reconstruction）、ASR、TTS的研究 ， 同時花上數年時間擴展廣東話的語音數據庫 ， 協助構音障礙癥患者與照顧者更好溝通 。 由2013年開始 ， 研究團隊與香港中文大學醫學院及病友組織合作 ， 邀請數十名不同年齡層的構音障礙癥患者 ， 錄制他們常用的廣東話用語 ， 擴充障礙語音數據 。 錄制過程中 ， 患者會讀出經研究團隊精心設計的廣東話句子 ， 嘗試用最少的字句包含所有廣東話發音 ， 收集研究所需的語音數據 。
以ASR、TTS技術為基礎 ， 以及團隊開發的語音重建技術 ， 系統接收到患者含糊不清的語音后 ， 利用AI演算法 ， 將含糊不清的語音轉化成正常語音 ， 最后以語音轉換技術轉換成貼近說話人的發音及語調 。
團隊期望日后能把此技術制作成應用程式 ， 讓更多有需要人士可于不同地方使用 。

    相關經驗推薦