基本介绍

背後的故事

基本介绍

Google于2011年12月2日推出广东话语音搜索服务，用家只需透过Android或iPhone手机下载免费的应用程序（app），点击麦克风符号，再说出关键字，荧幕随即显示搜索结果。由于港人懒音甚多，Google找来逾500名市民协助录音制作数据库，懒音亦一并收录，令系统懂得自动将「痕身银行」纠正为「恒生银行」。

该广东话版本的语音搜索，是继普通话及台湾国语之后，第三个中文版本。外语版本则已有英、日、法、韩语等。现时美国Android或iPhone手机用家中，有25%会使用「语音搜索」。

Google技术总监陆韵晟昨联同研究科学家宋云轩出席发布会，示范使用搜索app。他举例说，只要开启app的语音搜索功能，然后说︰「香港尖沙嘴日本料理」，手机荧幕会随即显出Google搜索到的食店网站及相关地图位置。陆指广东话语句经常中英夹杂，如「烂gag」（烂笑话）等词语，在语音搜索app一样能辨认。

背後的故事

语音一向是人们与手机互动的最自然方式。事实上，说话通常比打字更快更容易。Google在开发英语、普通话和日语版本的「语音搜寻」(Voice Search)之後，陆续支援多种语言版本，当中包括韩语、法语、德语、意大利语、西班牙语、捷克语、波兰语、俄语和土耳其语。现在，轮到香港人最熟悉的广东话了。

广东话向来被寓为全球最难学的语言之一，而Google认为在手机平台上，由於键盤通常很细小，中文输入往往比拉丁字母困难得多。香港常用的中文输入法包括仓颉及手写输入，仓颉并不是一个易上手的输入法，而手写输入法虽然易学，但就有慢的缺点。两者对香港用户来说都不是一个理想的手机搜寻输入法。Google因而相信，开发广东话语音搜寻服务能解决香港用户缺乏理想的手机输入法的问题。

不过，在开发过程中，Google亦遇到不少挑战，有些是广东话独有的，有些是亚洲语言共通的，也有是开发任何语言的语音搜寻都会遇到的，以下就是我们在开发过程中遇到的一些有趣的挑战：

数据收集

对比起英文，现时全球只有很少广东话数据库够大够齐全，足以用来训练一套辩识系统。建立一套辩识系统同时需要声音及文字数据，声音数据方面，Google用了DataHound收集技术，透过智能手机录下及上载大量义工的广东话声音样本。文字数据方面，香港谷歌的搜寻纪录是最好的数据库，能快速且准确地训练语言模型。

中文词汇限制

中文与西方语文不同，词与词之间并没有空格分开，为了限制说话辩认器(speechrecognizer)的词库大小，及简化词典开发，Google选择了用字，而非词语，作为系统的基本组成单元，因此亦容许不同字有不同的读音。

中英夹杂

Google发现香港用户比起国内及台湾的用户更喜欢在说话时夹杂英文，例如中国用户的搜寻平均有10%夹杂英文，台湾是15%，然而香港则有30%的搜寻是中英夹杂的。要建立一个能准确辩认中英夹杂句子的系统，Google把英文词语连上一系列相关广东话发音单元上。

音调问题

虽然语言学家就广东话究竟有多少个音调仍未有共识，6个、7个、9个或10个都有人提出，但无论如何，还是一个字：多。为了准确辩认广东话，Google把一个音调加一个母音(vowel)的组合当成一个辩认单元，为了不让最後的模型变得太复杂，工程师们把一些很少用到的组合合成一个单一模型。

音译词很多

由於广东话里音译词很多，同一个词，有些香港用户喜欢用英文原文，有些则喜欢用中文音译词(例如：「Jordan」与「佐敦」)，这对训练及评估系统都带来不少挑战。开发人员最後决定用一套算法，透过搜寻结果是否准确覆核辩认出来的字词，而不是透过检查说话辩认器辩认出来的字连起来是否有意义来覆核。

不同的口音及嘈杂的环境

不同的人说话带有不同口音，而他们在使用语音搜寻时，亦身处各种截然不同的环境，例如办公室、地铁、商场等。为了令搜寻系统在各种环境都能准确运作，Google收集了不同人在不同环境说话的音频数据输入系统，令其更准确。