【尋找在地AI技術力】臺灣的中文語音引擎在哪裡？（下）

 【尋找在地AI技術力】臺灣的中文語音引擎在哪裡？（上）文章連結 

但同樣也是說中文，中文還是我們的母語，臺灣難道沒有一套能用的中文AI語音引擎嗎？

其實不然，iThome記者親自走訪一輪發現，臺灣是有的，而且厲害的人也不少，只是一直以來都默默耕耘，沒有被看見。連曾負責開發微軟個人語音助理Cortana，2年前回來成立臺灣AI實驗室的杜奕瑾都說：「我們已經做到了，可以來找我們。」

工研院早從二十多年前就開始從事臺灣中文語音研究，2年前更公開展示過一個能聽懂臺灣國語的個人語音助理，用的就是他們自行開發的中文AI語音引擎。臺灣老牌喇叭製造商淇譽電子去年更延攬這個開發團隊，協助開發在地化的智慧喇叭，之後也將搭載在該公司與中華電信合推的智慧喇叭上。

另一家臺灣IC設計商威盛電子旗下AI人機互動品牌歐拉蜜（Olami），同樣也有開發一個在地的中文語音助理，而且不只能用中文溝通，去年也開始可以聽懂臺語，使用者還可以用道地的臺語腔來向它點播歌曲，並且還提供了一個智慧喇叭開發套件，讓企業或開發者能用它設計出自己想要的聲控裝置。

不只傳統音響或IC公司，臺灣也有越來越多的AI新創生力軍投入，如臺灣AI實驗室去年底自行研發推出一款在地化的語音辨識App，名為雅婷，能即時聽辨中文語音，再轉成文字，有別國外的語音辨識，因為是利用臺灣在地化的中文語料做訓練，可以更符合臺灣在地人的講話習慣或說話方式，甚至連臺灣批踢踢（PTT）上常見的鄉民用語都難不倒它，一推出就引起熱烈迴響，短短一周就攻佔Android手機平臺，成為生產力類最受歡迎App。

以前只有指令式語音辨識的本土語音辨識商賽微科技，4年前也開始針對語音指令結合中文自然理解處理能力，讓使用者可改用更自然地口吻說話，而不用像看說明書一樣，一個口令、一個動作。甚至，後來更結合深度學習技術，持續蒐集在地語料讓語音辨識準度做得更好。目前也有跟臺灣電商合作，用於網路語音購物。去年該公司還成立語音助理開發團隊，未來也將針對語音辨識推出自然語言處理（NLP）自動化工具，要讓企業上手更容易。

中文NLP研究常用到的自動化中文斷詞工具，實際上，中研院CKIP Lab中文詞知識庫小組自己也有一套國產品，但以前沒有開源，很多人只好換用中國開源的中文斷詞工具Jieba（結巴）。不過，中研院從去年開始釋出技術，要讓用的人更方便，甚至未來4年，還要加入所有中文維基百科語料，搭配現有中研院將近9萬詞彙的語料庫，來打造一套百萬中文詞彙知識庫，要提供給臺灣企業或廠商來使用。

臺灣在地化AI語音引擎的挑戰

不過，語音Chatbot和智慧喇叭搭載的個人語音助理，在應用上還是有些不同，有別於特定領域為主的Chatbot，語音助理比較像是通用型Chatbot，應用場景更複雜，更需要累積大量背景知識，才能依據不同對話場景，如家中、辦公室，甚至是戶外場所，對使用者做出相對應的回覆，或是依指令執行特定任務。例如「今天到百貨公司買衣服，第2件5折」，如果機器人沒有「優惠折扣」這個背景知 識，就沒辦法做出正確的回應。

再者，有別於文字，語音需要先將聲音轉成文字，再從文字去理解。這也涉及到了語音轉文字，甚至是語音合成的技術。前者語音辨識的準確度也會影響後面語意分析的效果，能不能真正理解使用者說話的原意，這需要透過蒐集大量錄製的聲音資料來訓練語音辨識模型，才能讓它辨識度可以越來越好。或是想要讓語音合成的聲音，不要聽起來像機器人唸稿，缺少人性，需要透過機器學習來理解詞彙前後的關係，再來決定這個音該怎麼發，才能聽起來更親切。這並不是件容易的事，也大幅增加企業進入的門檻。

臺灣雖然有自己的中文AI語音引擎，技術上厲害的人也不少，但仍有未成熟或不足的地方，甚至還面臨到中國的嚴峻挑戰，使得企業目前在選用上還是多以國外或中國廠商為主，例如臺灣現在較少能提供像中國完整的中文AI語音技術解決方案，包含語音辨識、語意理解到後面合成串接在地服務，而且不少語音產品開放技術權限不夠多，企業想要客製自己的語音功能，例如說話聲調，或更多互動，只能自己想辦法，這也使得想要用的企業，現在只能先拿國外，甚至中國的AI語音引擎來用。

不少專家都預言，語音互動很有可能會是未來下一個應用程式或裝置互動介面，將成為不只喇叭，連各種IoT裝置都能用的新一代對話互動介面。臺灣應該也要有自己的中文AI語音引擎技術，因為這不僅僅是企業在地應用突破的關鍵，更是臺灣AI技術力能不能被世界看見的重要軟實力。

【業界觀點：淇譽電子副總經理何志宏】只用國外語音引擎消弱臺灣AI技術力