閩南話識别系統界面。

一位女士正對着手機用閩南話進行語音輸入。

用閩南話對着手機語音錄入“愛拼才會赢”，語音輸入後屏幕上立即顯示“愛拼才會赢”字樣。近期，一款名叫“閩南話識别”的軟件在網絡上走紅。隻要是日常對話的語句，不管你說的閩南話是廈門口音、泉州口音，或是漳州口音，它基本都能識别出來并翻譯成文字，識别準确率高達85%。

這款軟件是廈大信息科學與技術學院副教授洪青陽、廈大人文學院中文系助理教授許彬彬帶領的科研團隊合作研發的。目前，這一軟件已經過多階段的内部測試，并開放供廣大市民免費試用。

記者與幾位同學分别用廈門口音、泉州口音、漳州口音的閩南話，對着軟件語音輸入:“今天天氣很好。”不到2秒，系統翻譯出了相同的對應文字。記者又以略微不同的表達方式對着軟件語音輸入“今天天氣很好”，系統依舊能準确識别。

近日，記者采訪了軟件背後的科研團隊，為您揭秘軟件開發過程。

調查

采集多地語音資料連國外也不放過

首先，該軟件背後的語音資料庫就很強大，這是基于許彬彬近10年來的研究成果。許彬彬帶領團隊借鑒、整理了大量語音資料——囊括福建省内廈、漳、泉多地的閩南方言、文本，甚至收集了國外多處講閩南話的地點的語音材料。

除了廈大的語音資料庫外，每到寒暑假，許彬彬團隊還會去各地進行田野調查。“省内的漳浦、東山等，以及菲律賓北部城市、美國的東部地區，每一個地點至少要停留5天，盡可能全面地描寫該地區語音面貌。”她說。

整理

标注每個音節發音錄入不同口音

有了豐富的“食材”，烹制好這道“菜肴”還需要“配菜”。為此，許彬彬團隊做了大量的整理工作。在許彬彬的電腦裡儲存着大量文檔。“我現在有5台電腦，10個硬盤，全都裝滿閩南話文件。”許彬彬說，閩南話的聲母有15-18個不等，韻母有73-90個不等，聲調有5-8個不等，都要逐一整理，錄入系統。

别以為隻是簡單的标注，每個音節的發音以及發音時長，都必須詳細标注下來。以“他們坐車去台北”為例，許彬彬就标注了16個音素，音素與發音時長還要逐一對應。而這隻是一個句子的其中一種口音。

許彬彬告訴記者，單單是廈門地區，細微的語音差别就有十幾種。“思明區鹭江街道是一種口音，廈港街道又是另外一種口音，海滄東孚街道的口音又接近漳州口音，這些都要逐一标注。”她說，系統錄入的不僅僅是廈門口音，還有泉州口音、漳州口音、潮汕口音等。

建模

收集十萬句日常對話邀志願者測試

為了讓這一系統的閩南方言數據盡可能全面，洪青陽團隊又曆時一年，先後收集近十萬句閩南話日常對話。

除了許彬彬所提供的語音資料外，測試階段，他們還邀請了幾百名志願者參與測試，讓系統“學習”不同口音的閩南話。待系統基本“學會”不同口音的閩南話後，洪青陽又給系統加大了難度——文讀和白讀都要會。

閩南話中存在大量多音字，有着複雜的文讀白讀現象，以“大學”這一詞為例，就有文讀和白讀兩種讀法。該團隊對閩南話語音識别采取了特定規則的發音詞典标注，并用革新後的算法建立了閩南話語音識别模型。

鍊接

将實現閩南話與普通話無障礙溝通

當發音速度不一、吞音等情況出現時，軟件如何準确識别？系統的背後還有一位“把關人”。當遇上系統無法識别的語音時，許彬彬團隊就會進行分析，把新的表達整理成文檔，擴充詞典和句子語料。與此同時，洪青陽團隊在系統後台不斷完善算法，以學習到更多口音和生僻詞彙。現在，系統依舊在不斷完善升級。

據了解，基于深度學習方法，他們目前正在研發閩南話合成系統，最終可以實現閩南話與普通話之間的無障礙溝通。洪青陽說，該系統預計在今年上半年上線。

聲明：轉載此文是出于傳遞更多信息之目的。若有來源标注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯系，我們将及時更正、删除，謝謝。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!