[发明专利]中文电脑的汉语语音输入系统及其方法

说明书

本发明是关于一种智慧型汉语语音输入方法及汉语听写机。本发明是同一发明人的台湾专利申请案第78105818号的改良，利用此改良方法，或使得利用汉语语音输入中文文字的方法更为精确。

目前中文电脑的输入方法百家争鸣，或用注音，或用字根，或用划笔，但没有一种是众所公认最好的(因为没有一种真正最方便)。这是因为有的输入速度较慢，有的需要特别训练，有的方法特别要背口诀，久了不用会忘掉等，而人人都会、不需训练的注音符号法，则因其速度太慢，而无法通行。在众多中文输入法中，速度最快的是仓颉法、大易法或类似的方法，但此方法却只有专业人员在长期训练下才会用，一般人不常用就会忘掉。事实上，这是现阶段我国社会信息化最大的障碍，因为“中文输入”变成一种专门职业，一般人自然不会常用它。这些方法不方便的基本原因，是尝试把汉字转成几个按键，由键盘输入；但事实上键盘是西方拚音文字下的产物，汉字不是拚音文字，所以由键盘输入就自然不方便了。

既然键盘输入不方便，还有什么其他方法可用呢？很多人很早就想到了可用声音输入。只是用声音输入的技术困难太多，几乎是不太可能的事，所以一直没有这方面的方便产品问世。技术上困难的原因有三点：(1)需要辨识的词汇太多了，中文常用字至少五千个，常用词至少十万个，这种数字已超出技术可行的范围；(2)中文字的同音字太多，即使知道是什么音，又如何能方便而快速无误地知道是什么字呢?(3)要能“即时”听写汉语，就必须在极短时间内解决如此困难的问题，更是不容易。

本发明人的美国专利第5，220，639号专利申请案基本上已可以解决上述困难，这是因为：(1)选用汉语单音节为单位：中文字、词的数日虽大，不同的单音节却只有1300个，是语音辨认技术上可以接受的范围；知道是什么音节以后，可以再由其前后的音节去判断可能构成什么词、什么句。(2)藉助以中文字为基础的马可夫模型建立中文的语言模型，可以靠大量的训练文字，统计出每一个字的前后与其他不同的字衔接的机率，由这些机率可以算出当一个音节前后与其他音节衔接时，这些音节最可能是代表什么字，这种方法可以大部分解决同音字的问题，不能解决的再在荧光屏上予以更正。(3)制作特殊设计的硬件，以便在最短时间内完成复杂的工作。

然而，前项申请案的发明基本上虽已可决上述困难，但有其先天上的限制：(1)所需运算量极大，为了要达到“即时”听写汉语的目的，亦即在很短时间内完成极大量运算，必须制作特殊设计的硬件，使得该发明代价昂贵，(2)正确率仍不够高(约89％)，使用者仍需一再更正错字。这两项限制是至今它并没有成为产品大量上市的原因。

本发明中，就是考虑到前项专利案的上述限制，便在原有的构想下发展出两项重要的新技术：(1)专门针对汉语单音节的特性，发展出专门作汉语单音节辨识的“段落统计模型”及(2)专门针对中文的语言结构，发展出“词类双连中文语言模型”。这两项技术都是针对中文及汉语的特性发展出来，结合起来以后，所需的运算量大为减小，而正确率却可大为提高。于是不再需要特殊硬件来达到“即时”输入，同时，所有技术可以用软件完成，并轻易写入任何装有一片“数字信号处理芯片”(DSP Chip)的“数字信号处理电路板(DSPBoard)”(这类芯片及电路板市面上产品很多，故很容易在不同的电路板或芯片上发展出不同的产品)，只要芯片的运算速度足够快，电路板上的存储容量足够大，它就能“即时”输入。这块电路板可以插入任何一台AT级以上的个人电脑上，故使用方便，价格亦可大为降低。以上述的基本技术及功能为基础，本发明又进一步发展出诸如“智慧型学习技术”，使得这套听写机更具备不时“学习”的“智慧”。这包括：自动学习新使用者的声音，从而使得新使用者可以很快开始使用；自动学习使用者的环境噪音并适应该噪音；不断联机学习使用者的声音、用字、用词、构句等，使得正确率可以继续上升等等。所有这些都将在以下详细说明。